SGI konfigurierte das System ausschließlich unter Einsatz von Standardkomponenten, darunter auch die SGI® RASC™ (Reconfigurable Application Specific Computing) Appliance for Bioinformatics mit einer von Mitrion beschleunigten BLAST-n Applikation. Für den Test wurden weder Hardware noch Software speziell modifiziert (2).
Bill Mannel, Director Server Marketing bei SGI, vergleicht das SGI RASC-System mit früheren FPGA-Systemen von ähnlichem, jedoch kleineren Umfang: "Bislang mussten FPGA-Supercomputer als Spezialanfertigung und zu hohen Kosten gebaut werden. Das SGI RASC-System dagegen wurde in kurzer Zeit aus Standardkomponenten zusammengesetzt, bei nur der Hälfte der Kosten eines großen, vergleichbaren Supercomputers. Dies zeigt, wie SGI seine Kernkompetenz im High Performance Computing überzeugend auf rekonfigurierbare Systeme übertragen kann."
RC200 Blade steigert die Verbreitung von FPGAs
Um einem breiteren Anwenderkreis die Vorzüge von FPGAs zu erschließen, hat SGI gerade sein neues SGI® RC200 Blade vorgestellt. Dieses Blade überträgt die SGI RASC-Technologie erstmalig auf SGI Altix® XE und SGI Altix® ICE Cluster und Blade Server, die jeweils mit Intel® Xeon® Prozessoren arbeiten. Damit können jetzt auch Unternehmen und Institute, deren Anwendungen auf Rechnern mit einer x86-Architektur laufen, die SGI RASC-Technologie für sich nutzen. SGI hat das RC200 Blade mit XtremeData, Inc. entwickelt.
Die RASC-Technologie von SGI kombiniert innovative FPGAs mit spezieller, von SGI und von Partnern entwickelter Software. Dies verringert die Widerstände, die bislang eine weite Verbreitung von FPGA-Lösungen im High-Performance Computing behindert haben. Bereits zahlreiche Kunden von SGI konnten mit dem Einsatz von SGI RASC erhebliche Leistungssteigerungen erzielen, und das beim Einsatz von weit weniger als 70 FPGAs. SGI RASC-Technologie, bereits in der vierten Generation am Markt, erhöht die Produktivität von datenintensiven Anwendungen um Klassen: in der Mineralölindustrie, im Verteidigungssektor und in der Bioinformatik genauso wie in den Medien und bei der Verarbeitung von Bildern in der Medizin.
Im Gegensatz zu herkömmlichen Prozessoren ermöglichen FPGAs die Ausführung mehrerer Funktionen parallel. Dies ist besonders nützlich für Anwendungen, die einen spezifischen Algorithmus wiederholt ausführen müssen. Eine maßgeschneiderte Programmierung des RASC-Moduls kann die Laufzeit des Programms signifikant verkürzen. Jedes RC200 Blade kombiniert mehrere Altera Stratix III FPGAs der Hochleistungsklasse zu einem besonders leistungsstarken FPGA-Modul. Für die Verbindung zum Front Side Bus des Xeon Prozessors kommt dabei die Intel QuickAssist Technology zur Unterstützung von Beschleunigern zum Einsatz.
Weitere Informationen über das SGI RC200 Blade und die SGI RASC-Lösungen finden sich unter http://www.sgi.com/...
Die Testkonfiguration
(1) Die Ergebnisse des Vergleichs mit einem herkömmlichen Server auf Basis von Opteron-Prozessoren wurden in internen Tests erzielt. SGI setzte in dem Testszenario Affymetrix mit einer frei verfügbaren Version von BLAST ein. Dieser Test verglich in 600.000 Abfragen rund 25 Basenpaaren mit den Human Unigene- und Human RefSeq-Datenbanken. Dies entspricht einem repräsentativen Arbeitsbeispiel für die heute übliche Spitzenforschung in der Pharmaindustrie. Die gesamte Laufzeit auf dem herkömmlichen Opteron-Cluster mit 68 Knoten beliefe sich auf etwa drei Wochen. Für den Lauf auf dem rekonfigurierbaren SGI-Supercomputer wurden die Testdaten in 169 Jobs unterteilt, die in Gruppen von 70, 70 und 29 FPGAs liefen. Der Testlauf dauerte 32 Minuten und 29,183 Sekunden, was der 916fachen Geschwindigkeit gegenüber der Laufzeit auf einem herkömmlichen 68-Knoten-Cluster entspricht.
(2) Die getestete SGI-Konfiguration bestand aus 35 SGI® RC100 RASC Blades mit jeweils zwei FPGAs, einem SGI Altix 4700 Server mit 64 Prozessoren und 256 Gigabyte global adressierbarem Speicher. Auf dem Server lief das Standardbetriebssystem SUSE Linux Enterprise Server 10 SP1 (Kernel Version 2.6.16.46-0.12) sowie eine unveränderte Version von RASCAL.