省錢的服務器集群

以下這些知名機構用價廉低耗的計算機構建集群，同樣提供了近乎實時的處理能力，它們用于搜尋早期宇宙的跡象、研發下一代雷達或又快又經濟地運行網絡測試。他們的做法值得借鑒。

GPU集群與天文研究

這是一項很特別的挑戰：在澳大利亞內陸為默奇森寬視場射電望遠鏡陣列（Murchison Widefield Array，MWA）構建一個高性能計算集群。由于這里晚上沒有任何射電干擾，所以更容易搜尋早期宇宙的跡象。

MWA旨在幫助宇宙學家了解宇宙大爆炸之后，宇宙的起源、最早的恒星、星系以及類星體形成等問題，同時，該集群還將跟蹤太陽，特別是太陽風暴與不斷變化的太陽磁場關系等。但是，MWA需要驚人的一站式計算能力來處理大量的數據。

可供選擇的辦法并不多。研究人員發現，MWA的電力供給將會是一個大問題。MWA距離最近的居民點約50公里，離最近的市鎮約300公里。由標準的高性能計算節點組成的集群其耗電量會很大，而當地又缺少相應的基礎設施。

因此，MWA改而使用約80個圖形處理器（GPU）Nvidia Tesla S1070組成了兩個集群，整套系統的電力供給依靠40千瓦的柴油發電機組來供電。

以最高3GB/s的速度通過MWA的天文數據將進行2.5TFLOPS運算。由于澳大利亞內陸沒有光纖通道，圖像只好在本地進行處理，工作量相當大。天線捕獲射電數據（因此需要沒有射電干擾的場地）后，把數據傳送給被稱為相關器的設備，相關器再把數據提供給GPU。

圖像處理環節包括通過數學方程式將傅里葉數據轉換成實際空間數據、校正電離層失真和調校測量儀器。

目前，集群還沒有構建完畢，不過測試原型機已經開始運行了。Richard Edgar表示，按每瓦TFLOPS這個指標來衡量，該集群是世界上速度最快的。

美國空軍與PS 3集群

人類在技術方面的一大挑戰是：讓計算機像人那樣執行相同的任務。這對美國空軍來說，意味著教計算機學會識別雷達圖像、準確辨認任何異常情況，而且常常是實時進行，處理起來不能有任何延遲。

美國空軍研究實驗室信息管理部的首席科學家Richard Linderman表示，該實驗室對計算的需求非常高。他解釋說，實驗室使用的特殊圖像“能實時消除大氣扭曲”。實驗室還采用神經形態計算算法，“探索如何以與人腦同樣的方式使用計算機，比如強大的目標識別能力。”

Richard Linderman表示，幾年前他的團隊開始分析超級計算機的成本時，首先考慮了PlayStation（PS）游戲機。他說，IBM專門為洛斯阿拉莫斯國家實驗室（Los Alamos）制造的“走鵑（Roadrunner）”超級計算機成本遠超過1億美元，但他看了相關報道后認識到，該超級計算機所用的芯片其實就是IBM、索尼和東芝聯合設計的Cell處理器，而PS 3游戲機用的也是這種芯片。

Richard Linderman表示，PS 3集群最初的構建成本約33萬美元，峰值性能為40TFLOPS，因而性價比要比Roadrunner高約10倍。美國空軍最近重新設計了集群，以便使用更便宜的組件，獲得更強大的計算能力。現在，GPU和PS 3芯片基本上各占一半，峰值性能約為500TFLOPS，成本僅為200萬美元。

Richard Linderman說：“我們不想付大筆電費，所以用電效率是個重要因素。500TFLOPS超級計算機耗電量大多數達到幾兆瓦，而這個集群的耗電量只有300千瓦，這樣每年將節省1兆瓦用電，相當于省下了100萬美元。其節省幅度相當大，又可以獲得500TFLOPS的性能。”

MIT與插座式集群

對傳統的集群或超級計算機來說，目的是通過使用速度非常快的共享內存，同時運行多個應用或“任務”，這項工作需要高速網絡和高速磁盤訪問。

不過有時候，單項任務（如運行網絡測試）則需要高速的單精度浮點格式，而不需要超級計算機或高性能計算（HPC）集群的雙精度數據傳輸速度和共享內存。

麻省理工學院（MIT）發現，使用插座式計算機（plug computer）組成的集群，就能在耗電量很低的情況下運行網絡測試。插座式計算機其實就是連接到網絡的超小型裸機服務器，典型的插座式計算機包括Marvell公司的SheevaPlug或GuruPlug，或者基于這種平臺開發的其他產品，比如QuadAxis公司的QuadPlug。

設計該集群項目的麻省理工學院系統管理員Kurt Keville稱，麻省理工學院的這個集群用標準Wi-Fi連接而成，工作時總耗電量才約100瓦。他說：“我們現在的一大瓶頸就是內存、網絡帶寬和延遲。”目前，麻省理工學院使用許多獨立的處理器核心，借助多路徑網絡技術，在無線網絡上劃分任務。這種技術需要部署的無線熱點總數比較少，可以更充分地利用每個核心。這意味著，麻省理工學院使用低成本的插座式計算機，即可為特定的應用任務構建多個集群，費用比處理所有HPC任務的傳統集群低得多。

該團隊還采用這一集群為學生們提供低成本的、太陽能供電的無線網絡。Kurt Keville表示，目前不打算構建一般性的集群，因為功能更齊全的處理器耗電量很大，成本過高。

但使用共享內存來處理復雜的計算任務行不通，因為單臺插座式計算機缺乏足夠的內存和處理速度，無法同時處理多個任務。

桑迪亞國家實驗室與無磁盤集群

這個值得考慮的集群選擇根本不是傳統的硬件節點。桑迪亞國家實驗室（Sandia National Laboratories）的研究人員Ron Minnich構建了一個使用100萬個虛擬機的集群，并爭取近期將這個系統擴展到1000萬個虛擬機。

每個虛擬機由該實驗室的“雷鳥（Thunderbird）”超級計算機上運行的Linux內核構成。有意思的是，這臺超級計算機本身就是個集群，由近5000臺戴爾計算機相互連接而成。為了構建這個包括100萬個節點的集群，Ron Minnich在每個戴爾節點上運行250個虛擬機。如果要擴展到1000萬個節點，他就得在現有集群中的每臺戴爾計算機上運行更多的虛擬機。

Ron Minnich及其團隊正使用這個集群模擬僵尸網絡如何感染計算機，分析互聯網如何工作，以及幫助開發下一代操作系統和安全軟件。他表示，最終，他的團隊希望能夠模擬一個小國家的計算機網絡，甚至能模擬像美國這類大國的計算機網絡，以便在虛擬環境下監測網絡攻擊。換句話說，他想在實驗室里建立網絡攻擊的虛擬模型。

Ron Minnich說：“一些緊迫的問題需要越來越多的計算資源，比如為氣候變化建立模型、研制新藥以及研究更有效的開發能源。”此外，虛擬化技術還會在研發大規模系統方面起到越來越重要的作用，因為它能夠在一個平臺上運行多個操作系統，并處理針對特定應用的操作系統。

基于GPU的射電望遠鏡集群MWA。很顯然，MWA完全依賴GPU驚人的計算能力來為天文研究創建大量的實時圖像。

麻省理工學院的系統管理員Kurt Keville說，他們發現，可以使用插座式計算機集群，在非常低功耗的情況下進行網絡測試。

幫助構建MWA集群的研究人員Richard Edgar說：“在電力這么有限的情況下，像至強和皓龍這些當代處理器提供不了所需的計算能力。我們考慮過改用低功耗的MIPS處理器，但它們也提供不了所需的性能。由于計算方面的要求極高，供電量較低，使用GPU就成了惟一有望成功的辦法。”

集群計算仍在發展當中。據麻省理工學院的Kurt Keville預測，在不遠的將來，巨型超級計算機集群占整整一層大樓的現象將不復存在。研究人員不會提前幾周安排批處理任務，而是會拿來幾臺插座式計算機，即刻構建自己的集群。他說：“我們要重新思考對待科學計算的角度，考慮到可以使用的新產品和高昂的電力成本。面對更多的問題，我們需要更多的解決辦法。”