云端計算部署的案例
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 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 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
Cloudam云端,探索高性能計算在藥物研究領域的解決方案
Cloudam云端,探索高性能計算在藥物研究領域的解決方案
近日，Cloudam云端與國內某知名藥企與合作，通過接入Cloudam云端自主研發的云E云超算服務，計算效率提高的數百倍。這也是云算力在生命科學領域的又一次成功應用。Cloudam云端云E云超算服務是如何幫助該藥企實現計算效率數百倍的提升呢？
據了解，該藥企在與Cloudam云端的合作前，該藥企每年都會通過Schrodinger和Cresset FLARE等比較主流的商用軟件，對數千化合物進行分子對接及結合自由能計算。由于設備已經使用多年，企業內部的計算資源老化嚴重，現有的GPU卡大部份為Nvidia P100及之前的加速卡，計算規模擴張的速度已經無法項目增長速度。
面對硬性計算資源的需求，該藥企CADD部門希望通過快速接入云上資源解決目前算力不足的問題。于是找到了能夠提供一站式云超算服務的Cloudam云端。
經過評估，Cloudam云端的技術人員認為該企業直接接入Cloudam云端SaaS平臺是一種比較快捷的方式，考慮到藥物研究的對于數據的安全性要求更高，Cloudam云端的技術人員為該企業提供了專屬計算區的方案。通過云上VPC將該藥企所需的存儲、計算及網絡等資源與其他SAAS用戶完全隔離，在用戶專有計算區中部署FLARE、Schrodinger的Agent服務，該藥企研發人員可通過可視化界面操作直接在本地電腦使用FLARE、Schrodinger的圖形界面觸發云上分子對接，結合自由能FEP計算，而相關計算結果也會實時同步到圖形界面。
該藥企通過Cloudam云端云E云超算服務搭建的獨立計算區，并行調動200-400張最新代Nvidia V100卡，原本算力資源不足的問題得到了解決。
展開 Cloudam云端攜手高校探索云計算在生命科學領域的應用
隨著云計算服務和實踐的成熟，越來越多的行業對于云計算的需求也日益增加。不同行業的需求與云計算融合，就需要更大的算力支撐。這也意味著，云計算的需求市場日漸擴大，Cloudam云端自主研發的云E算力平臺應運而生。
不僅企業對于算力資源的需求越來越多，各大高校及各研究所，也會因為算力資源不足，而拖延項目研究的進度。例如，在某港澳大學的基因組項目中，也面臨因為當前計算機性能不夠導致算力不足的問題。
首先，目前該大學某生物信息課題組需對約2000個物種使用RepeatMasker進行基因組分析，中間需產生約2PB的臨時數據及100T以上的最終結果數據，這樣巨量的存儲需求，是當前設備的存儲資源不能滿足的。
其次，該項目需使用600萬核時計算資源，且需支持并發約2000核，因而導致現有的計算資源明顯不足。
此外，該大學原來是直接使用某公有云資源計算，但此項目若直接使用公有云資源, 那么成本將會是原本預算的很多倍。因此，項目組需要在國內尋求更為經濟的解決方案。
針對當前這些棘手的問題，Cloudam云端通過云E算力平臺進行SaaS接入，用戶可以通過瀏覽器直接使用RepeatMasker進行分析, Cloudam云端的云E平臺支持高達10PB的超大存儲完全滿足用戶數據量的需求。同時，該用戶利用云E平臺提供的跨地域Gbps級別專線，將100TB的最終結果下載到自己本地，傳輸過程有著高速、智能化的特點。最重要的一點，云E算力平臺同用戶簽訂了數據安全及保密協議，Cloudam云端將嚴格保障用戶輸入數據及計算結果的安全與私密性，保障了客戶的安全和隱私。
該解決方案最終耗時約550萬核時完成整個項目，中間存儲及最終的結果下載完全免費。
展開 