Este documento describe el diseño e implementación de BRAINWAVE, un sistema para crear flujos de trabajo a través de herramientas gráficas que simplifican la gestión de un clúster de supercomputación GPGPU. El sistema incluye un clúster de 4 nodos con procesadores Intel Xeon y tarjetas gráficas Nvidia Tesla, y un planificador de tareas que permite a los usuarios crear, modificar y ejecutar flujos de trabajo de manera sencilla. El documento también discute campos de aplicación potenciales como bio

1. BRAINWAVE
Diseño e implementación del sistema para la creación de
flujos de trabajo a través de herramientas gráficas que
simplifican el proceso de gestión de un clúster de
supercomputación GPGPU.
Gonzalo Antonio Bella Fernández
Proyecto fin de grado
11/06/2013

2. Índice
• Introducción Histórica.
• De donde surge el proyecto BRAINWAVE.
• Que es una GPGPU.
• Especificación del clúster.
• Especificaciones del Planificador de Tareas.
• Demo.
• Campos de aplicación.

3. Introducción historicaLos primeros Mainframes
eran así

4. Hoy en día se siguen
utilizando

5. Así nace el proyecto
BRAINWAVE

6. Objetivos de BRAINWAVE
• Desarrollar un clúster de supercomputación
GPGU con tarjetas graficas, maximizando su
potencia.
• Facilitar la gestión del clúster con un
planificador de tareas que sea sencillo de
utilizar.

7. ¿Qué es una GPGPU ?

8. CPU Vs GPU

9. • Optimización de la
latencia
• ALU potentes
• Control sofisticado
• Secuencial
• Rendimiento
• SIMD
• Control simple
• Eficiencia energética de
las ALU
• Paralelo
CPU Vs GPU

10. CPU Vs GPU

11. Comparativa de una CPU contra
una GPU. Rendimiento.

13. Descripción del clúster
• 4 Blade. Cada una compuesto por:
– 2 X Intel Xeon E5606 2.13GHz (8 Cores)
– 2 X Nvidia Tesla M2075 (248 CUDA Cores)
– Infiniband ( ~2 Gbps)
– Ubuntu Server 12.04 LTS (5 años de soporte)
– OpenMPI v1.6.3 (Sistemas heterogéneos)
= 64 Cores + 1984 CUDA Cores

14. El planificador
facilita al usuario la
gestión del clúster

15. ¿Pero qué funciones
cumple el planificador?

16. Objetivos
• Permitir crear, modificar y guardar flujos de
trabajo mediante programas existentes
(módulos) en el repositorio de programas.
• Ejecutar flujos en el clúster, enviando la
petición de ejecución desde el mismo
programa.
• Permitir crear bifurcaciones en el
código, utilizando conectores especiales.

17. Arquitectura del sistema

18. Demo

19. Campos de aplicación del
clúster
• Bioinformática
• Seguridad de la información
• Data Mining o minería de datos
• Machine Learning o Aprendizaje automático
• Visión artificial
• Simulaciones científicas.

20. Seguridad de la información

21. Bioinformática

22. Machine learning y Data
mining

23. Visión artificial

24. Simulaciones científicas

25. Campos de aplicación del
planificador de tareas
Es útil en cualquier entorno que posea un
clúster como el anterior:
– Banca
– Laboratorios de investigación
– Hacienda
– Industria
– Asesorías y financieras
– …

26. Adaptación del sistema a
múltiples entornos
• Se han utilizado directivas de compilado para
modificar el aspecto entre los diferentes
clientes.
• Todo lo respectivo a las conexiones con los
repositorios están configurados en un fichero
aparte para su modificación.
• Las llamadas a los repositorios se hacen
mediante procedimientos.