云端計算集群部署的案例
集群也超頻--UltraLAB超頻仿真計算集群2020
更快更完美---UltraLAB超頻仿真計算集群2020
目錄
1 UltraLAB超頻仿真計算集群介紹
1.1 傳統仿真計算集群缺陷
1.2 UltraLAB超頻集群產品介紹
1.3 UltraLAB超頻集群種類及特點
2 超頻服務器、高頻服務器產品介紹
2.1 超頻服務器HF390產品介紹
2.2 超頻服務器F400產品介紹
2.3 高頻服務器HF630產品介紹
2.4 主控與存儲服務器N630產品介紹
3 UltraLAB集群硬件方案推薦2020
3.1 CX390超高頻集群配置方案推薦
3.2 CT400超高頻集群配置方案推薦
3.3 CX630高頻集群配置方案推薦
（一）UltraLAB超頻仿真計算集群介紹
西安坤隆計算機科技有限公司自從2009年推出XASUN SC1計算集群，歷經11年的升級換代，不斷的完善、改進、提升，今天我們擁有超頻服務器（HF390、F400）、高頻服務器（HF630）三個系列（后面有詳細介紹）、并行作業調度系統（Parallel Schedule System，簡稱PSS），
針對有限元分析、有限差分法、有限體積法等不同算法、不同規模，提供更精準的算力，以及計算整個環節無瓶頸、高速、高使用率，我們可以提供最快配置方案：
ANSYS仿真計算超頻集群
多物理場耦合（Comsol Multiphysics）仿真計算超頻集群
MatLAB科學計算超頻集群
Abaqus結構仿真計算超頻集群
電磁仿真（HFSs）計算超頻集群
流體仿真（Fluent）計算超頻集群
1.1 傳統仿真計算集群缺陷
傳統服務器計算集群以刀片服務器或雙路xeon機架式服務器為主，這種集群優點，占用空間少，擁有更多cpu核數，但是cpu因為刀片散熱空間小，選用處理器類型都是低頻多核
展開 有限元仿真計算算法特點與計算集群分析
有限元計算算法特點與計算集群分析
典型應用：結構仿真計算、電磁仿真、多物理場耦合等
計算化學：量子化學計算、分子動力模擬…
典型軟件：Abaqus，ANSYS Mechanical，HFSS，Feko…
求解過程
（1）在網格自動剖分環節，單核計算模式，CPU超高頻率,大幅幅縮短計算時間，加速100%以上
（2）在并行求解環節，隱式算法為主計算并行核數有限，通常加速比最大到18核，HF490計算節點具有多核超高頻，將并行計算求解能力，發揮到極致
（3）在密集數據迭代、高io延遲等待過程, 該機器支持高性能低延遲,保證每個環節均衡高效，延遲等待降到最低
（1）網口數據帶寬，延遲最低到1us微秒
（2）硬盤IO，讀寫帶寬1.5GB/s以上，延遲最低17us微秒
（3）CPU響應速度為C0級
此文只能到這結束了，有興趣進一步了解的朋友私信。
展開 Moldex3D遠端計算Azure-Connect使用之部署Azure CycleCloud-1-3
二. 使用步驟 (User Guide)
選項C : 布署Azure CycleCloud-1
在Linux server上執行Moldex3D初始化
我們將使用 PuTTY 聯機工具聯機到 server 進行設定.
0.請安裝 PuTTY. 下載網頁: https://www.putty.org/
1.將布署 Azure CycleCloud 過程中產生的 Private Key 轉成 PuTTY 使用的 Private key 格式
I.執行 PuTTYgen
II.加載布署 Azure CycleCloud 過程中產生的 Private Key, 按下 Load 并選擇 C:\Moldex3D\Azure-Connect 2023\Config\sshkey\cyclecloudkey.pem. 請輸入 PassPhrase (請參照 MDXAzureDeployment.conf 內[DeployAzureCycleCloud] 區塊下的 SSHKeyPassPhrase 字段)
III.請按下 Save private key 將其儲存為 C:\Moldex3D\Azure-Connect 2023\Config\sshkey\cyclecloudkey.ppk
IV.關閉 PuTTYgen
2.使用 PuTTY 聯機至 server
I.打開 PuTTY, 輸入 server 的 IP
II.點選左方 connection " SSH " Auth, 按下 Browse 按鈕選擇 C:\Moldex3D\Azure-Connect 2023\Config\sshkey\cyclecloudkey.ppk, 然后按下 Open 即可聯機
展開 Moldex3D遠端計算Azure-Connect使用之部署Azure CycleCloud-1-4
?LM server/port ：請輸入您地端 LM server 的 IP/port
?Specified by：請選擇 Core Per Node
?Core Per Node: 請輸入之前設定 Azure CycleCloud à OpenPBS 的計算節點型號(見下圖)的 Core數
?Working folder path: 留空
輸入完畢按下 OK
2.提交 Job 進行分析
-當 Job 提交后, OpenPBS 會根據 AutoScaling 機制自動建立計算節點 VM, 計算結束后或是 job 隊列已無 job 時將自動刪除計算節點 VM.
-當您不再需要此 OpenPBS 叢集時, 請回到 Azure CycleCloud 頁面, 點擊 Terminate
-當您不再需要 Azure CycleCloud 以及云端叢集時, 可到 Azure Portal 刪除此資源群組 (如: RG_cyclecloud).
展開 
Moldex3D遠端計算Azure-Connect使用之部署Azure CycleCloud-2-3
?LM server/port ：請輸入您地端 LM server 的 IP/port
?Specified by：請選擇 Core Per Node
?Core Per Node: 請輸入之前設定 Azure CycleCloud à Slurm 的計算節點型號(見下圖)的 Core數
?Working folder path: 留空
輸入完畢按下 OK
2.提交 Job 進行分析
-當 Job 提交完成, 你可在 Azure CycleCloud 網頁頁面觀察 Slurm 將會自動建立計算節點. 當 Job 計算完畢且無其他 Job 時, Slurm 將會自動刪除計算節點
-在計算節點尚未建好時, Slurm會將Job狀態顯示為Configuring, 如下圖
-當您不再需要此 Slurm 叢集時, 請回到 Azure CycleCloud 頁面, 點擊 Terminate
-當您不再需要 Azure CycleCloud 以及云端叢集時, 可到 Azure Portal 刪除此資源群組 (如: RG_cyclecloud).
展開 Moldex3D遠端計算的Azure-Connect使用步驟之部署Azure CycleCloud-
二. 使用步驟 (User Guide)
選項C : 布署Azure CycleCloud-1
設定Azure CycleCloud
-請將 4. Please open the browser and visit [http://….] 中括號內的文字復制, 并貼到瀏覽器的網址列進行訪問
-會出現https警告, 這是正常的, 請按下進階然后點選繼續前往
-Site name可以使用默認值, 或是自行修改, 然后按下Next
-請勾選 同意, 然后按下 Next
-User ID 請輸入與 MDXAzureDeployment.conf 內 [DeployAzureCycleCloud] 區塊下的 AdminUsername 字段相同的賬號. Name 可以留空不輸入. Password 與 Confirm 請輸入與 MDXAzureDeployment.conf 內 [DeployAzureCycleCloud] 區塊下的 AdminPassword 字段相同的密碼. SSH Public Key 請輸入MDXAzureDeploymentConsole畫面的SSH Public key contents:中括號里面的內容.
-輸入完成的畫面如下. 請按下 Done
-接下來畫面會跳到設定訂閱(Subscription)的部分. Subscription Name 請填任意文字(如: subscription1), 然后按下 Validate Credentials
-按下 Validate Credentials 后, 會顯示 Test succeeded. 接著往下輸入信息.
?Default location 是下拉式選單, 請選擇與
展開 Moldex3D遠端計算Azure-Connect使用之部署Azure CycleCloud-1-2
使用步驟 (User Guide)
選項C : 布署Azure CycleCloud-1
在Azure CycleCloud設定OpenPBS
-請點擊 OpenPBS 的圖案, 之后會出現畫面如下圖, 請輸入Cluster Name (例如: mypbs),
注意: 強烈建議您使用小寫英文字母作為 cluster name, 請不要使用_ (底線underscore)或是- (連字符hyphen), 也請避免在 Cluster name 第一個字母使用數字, 以避免計算叢集建立時出現不可預期的問題.
-然后按下 Next。
-請按下 Execute VM type ( 即計算節點)旁邊的 Choose 按鈕, 進行計算節點型號的選擇。
-挑選VM型別, 請參考選項 E. ListVMSKUs: 列出指定地區的虛擬機(VM)規格 與 選項F. ListVMSKUBySize: 列出指定地區的指定虛擬機(VM)規格
-這邊我們選了 Standard_DS4_v2, 請特別留意他的 Core 數量是8, 這個 Core 數量在后續設定 Computing Manager 時會用到. 請按下 Apply.
注意: 若您看不到任何機器列表, 請先按下右下角的 Cancel 按鈕, 等候約 3 分鐘后再重新設定 OpenPBS.
展開 Moldex3D遠端計算Azure-Connect使用之部署Azure CycleCloud-2-1
使用步驟 (User Guide)
選項C : 布署Azure CycleCloud-2
在Azure CycleCloud設定Slurm
-請點擊 Slurm 的圖案, 之后會出現畫面如下圖, 請輸入 Cluster Name (例如: myslurm),
注意: 強烈建議您使用小寫英文字母作為 cluster name, 請不要使用_ (底線underscore)或是- (連字符hyphen), 也請避免在 Cluster name 第一個字母使用數字, 以避免計算叢集建立時出現不可預期的問題.
-然后按下 Next
-請按下 HPC VM type (即計算節點)旁邊的 Choose 按鈕, 進行計算節點型號的選擇
-這邊我們選了 Standard_D4S_v2, 請特別留意他的 Core 數量是 8, 這個 Core 數量在后續設定 Computing Manager 時會用到. 請按下 Apply.
-注意: 若您看不到任何機器列表, 請先按下右下角的 Cancel 按鈕, 等候約 3 分鐘后再重新設定 Slurm.
-在 Auto-Scaling 的部分, 請使用默認值
-在 Networking 的部分, Subnet ID 請在下拉式選單進行選擇: 請選擇名稱開頭符合與 MDXAzureDeployment.conf 內 [DeployAzureCycleCloud] 區塊下的 ResourceGroupName 字段相同的名稱, 之后為 VNET-ClusterSubnet 的項目
-接著按下 Next.
展開 Moldex3D遠端計算Azure-Connect使用之部署Azure CycleCloud-2-2
二. 使用步驟 (User Guide)
選項C : 布署Azure CycleCloud-2
在Slurm叢集的scheduler上執行Moldex3D初始化
我們將使用 PuTTY 聯機工具聯機到 server 進行設定.
0.請安裝 PuTTY. 下載網頁: https://www.putty.org/
1.將布署 Azure CycleCloud 過程中產生的 Private Key 轉成 PuTTY 使用的 Private key 格式
I.執行 PuTTYgen
II.加載布署 Azure CycleCloud 過程中產生的 Private Key, 按下 Load 并選擇 C:\Moldex3D\Azure-Connect 2023\Config\sshkey\cyclecloudkey.pem. 請輸入 PassPhrase (請參照 MDXAzureDeployment.conf 內[DeployAzureCycleCloud] 區塊下的 SSHKeyPassPhrase 字段)
III.請按下 Save private key 將其儲存為 C:\Moldex3D\Azure-Connect 2023\Config\sshkey\cyclecloudkey.ppk
IV.關閉 PuTTYgen
2.使用 PuTTY 聯機至 server
I.打開 PuTTY, 輸入 server 的 IP
II.點選左方 connection " SSH " Auth, 按下 Browse 按鈕選擇 C:\Moldex3D\Azure-Connect 2023\Config\sshkey\cyclecloudkey.ppk, 然后按下 Open 即可聯機
展開 如何在集群環境中使用fluent計算——fluent并行計算初步（超小白入門，老鳥略過：
現在國內的開放式機群環境越來越多，許多都部署了fluent（大好事），不過還是有許多人不太清楚如何利用這些有用的資源。這里結合我所在單位的情況做一個簡單的介紹，其他的機群環境大同小異。
1、
什么是機群？有什么特點？
機群又叫集群，當然就是許多的計算機（廢話），因為機器太多了，又需要協同工作，所以需要按照一定的方式來管理，管理的結構形式叫做拓撲（這個不用管）。機群使用的電腦是刀片（又薄又長的機箱）形式（為了便于插入機柜），一個刀片一般稱為一個節點。
一般而言，機群會分為三種節點：管理節點（若干臺），編譯節點（若干臺），計算節點（其余全部）。這三種節點的配置略有不同（廢話），管理節點主要用來存儲使用機群的用戶的信息，如名字，密碼，可以使用機器數的權限，用戶狀態等等；編譯節點一般用來預查程序故障，用戶的程序先在這里試運行，查看是否與系統兼容等；計算節點用來直接計算其他節點提供來的程序。
就配置而言，管理節點和編譯節點一般相同，會部署軟件環境；計算節點只會部署簡單的必要運行文件。計算機點之間會采用高速交換機，速度可達幾十GB/s，如IB等；計算節點與編譯、登陸節點之間采用普通的萬兆交換機。
2、
如何使用機群？
機群中一般采用linux操作系統來操作（多用戶情況下效率高），用戶會通過遠程登錄軟件（如xshell）來登錄到登陸節點進行個人的操作（一般會通過VPN網絡加密數據傳輸）。
Linux集群將程序任務分解發送到計算節點上時，是通過LSF作業調度系統（也有其他的，如PBS等）來實現的，這個系統的作用是使整個機群負載均衡，便于管理，所以我們使用fluent也要通過這個系統。在成熟的集群中，用戶登錄之后，默認便可以使用作業調度系統了。
展開 WinXP下并行計算集群的組建
WinXP下并行計算集群的組建1.rar
WinXP下并行計算集群的組建2.rar
云端高性能高性能計算服務
北京市計算中心擁有百萬億次高性能計算能力，長期對外提供Abaqus等多種CAE軟件的高性能計算服務。
采用web服務模式輕松搞定上億網格規模的CAE仿真。
用戶申請：http://www.bcc.ac.cn/cloud/fwsq.html
2023年MATLAB科學計算工作站及集群配置方案
（一）MATLAB科學計算工作站與集群配置方案
UltraLAB專注于為科學計算在各個行業應用的算法，量身定制匹配的高性能計算硬件配置的品牌，提供塔式、機架、便攜、特種等全方位完美計算架構方案。
UltraLAB結合最新計算機硬件技術（intel 13代酷睿超頻/4代Xeon3400x超頻等）, 將MATLAB的應用/學科工具箱，進行科學分類，從而給出合理高效完整科學計算硬件配置。
早期我們對MatLAB全部應用工具箱計算特點進行了總結歸類，
詳見 https://www.xasun.com/article/fb/2433.html
今天我們提供多種不同計算架構，保證每一個計算應用對應配置達到理想的最高性能能力，四類硬件配置：
（1）純CPU計算---MatLAB高頻科學計算工作站配置推薦
（2）基于GPU加速---MatLAB 異構超算工作站配置推薦
（3）基于實時計算---MatLAB實時采集與數據計算分析硬件配置方案
（4）基于多機集群---MatLAB多機分布式集群計算配置方案（待續）
1.1 MatLAB高頻科學計算工作站硬件配置推薦
應用定位：滿足極致單核CPU計算或超大規模的多核CPU性能要求
技術特點：基于純CPU計算應用，CPU超頻或高頻，保證單核或多核計算能力達到極致。
展開 電磁仿真計算的最佳單機（工作站、服務器）、集群硬件配置方案
電磁仿真的計算特點如下：
§ 計算量大：電磁仿真通常涉及大量的計算量，這對計算機硬件和軟件提出較高的要求。
§ 精度要求高：電磁仿真需要保證計算結果的精度，這對算法和求解器提出了較高的要求。
§ 模型復雜：電磁仿真模型通常比較復雜，這對軟件的功能和性能提出了較高的要求。
電磁仿真在電子、通信、醫療、天文學等多個領域都有著廣泛的應用，能夠幫助工程師和研究人員優化設計、分析性能和解決電磁問題。
2023年電磁仿真HFSS單機/虛擬加速/集群硬件配置推薦
https://www.xasun.com/article/102/2525.html
CST2023電磁仿真GPU圖形工作站、高性能計算集群推薦硬件
https://www.xasun.com/news/html/?2756.html
上述所有配置，代表最新硬件架構，同時保證是最完美，最快，歡迎交流，定制。
展開 CST2021電磁仿真計算工作站、集群硬件配置探討
（2）是目前市場上，第一個針對電磁仿真多種算法優化設計, 并行計算節點配備高主頻處理器，其性能表現遠超刀片服務器。
（3）【異構并行計算節點】配備最新Xeon3代處理器，40核+16通道是頻域算法電磁仿真并行計算最理想架構，同時保證高頻，整個計算節點的多核并行計算，在核數與頻率達到均衡，此外配備GPU計算卡，保證了時域求解的GPU加速
（4）作業調度軟件針對有限元計算兩個主要環節：網格自動剖分（單核計算環節）、求解器求解（多核計算環節），網格剖分環節--調用【高頻服務器】處理， 求解器求解環節--調用多臺【計算節點】多級多核并行計算
（5）集群性能從硬件架構、作業調度系統均比常規集群性能達到更高效。
展開 