High Performance Computing: So funktionieren HPC-Lösungen

High Performance Computing kommt zum Einsatz, um große Datenmengen und komplexe Rechenaufgaben parallel und mit geballtem Hochleistungsrechnen zu bewältigen. Typische Anwendungsgebiete sind Wirtschaft, Wissenschaft, Simulationen und Business Intelligence. Doch welche HPC-Verfahren gibt es und wie funktionieren sie?

High Performance Computing, abgekürzt HPC, bedeutet übersetzt Hochleistungsrechnen. Wie der Name andeutet, handelt es sich dabei nicht so sehr um eine klar definierte Technologie mit spezifischen Instrumenten, sondern um Verfahren, die ein Vielfaches der Performance und Speicherkapazitäten gewöhnlicher Rechner nutzen bzw. zur Verfügung stellen. Feste Kriterien für das Wesen von HPC gibt es nicht, da das Verständnis von HPC mit der Zeit geht und sich neuen Rechentechnologien anpasst. Allgemein lässt sich sagen, dass HPC-Lösungen für komplexe Rechenoperationen mit sehr großen Datenmengen oder zur Analyse, Berechnung und Simulation von Systemen und Modellen zum Einsatz kommen.

HPC-Verfahren lassen sich zum einen auf einzelnen, sehr leistungsfähigen Rechnern nutzen. Häufiger jedoch findet sich HPC in Form von HPC-Knoten, die als HPC-Cluster Supercomputer bilden. Supercomputer sind in der Lage paralleles Hochleistungsrechnen mit mehreren aggregierten Ressourcen durchzuführen. Frühe HPC-Supercomputer wurden vom heutigen Intel-Partner Cray entwickelt. Heutzutage sind Supercomputer um ein Vielfaches leistungsfähiger, da komplexe Hardware- und Software-Architekturen über Knoten verknüpft und Performance-Leistungen kombiniert werden.

Wenn zu verarbeitende Datenmengen die Leistungsfähigkeit herkömmlicher Rechner überfordern, sind HPC-Umgebungen gefragt. Als eine Form des Distributed Computing nutzt HPC die gesammelte Performance von gekoppelten Rechnern innerhalb eines Systems bzw. die aggregierte Performance von Hardware- und Software-Umgebungen und Servern. Moderne HPC-Cluster und Architekturen fürs Hochleistungsrechnen setzen sich aus CPUs, Arbeits- und Datenspeichern, Beschleunigern und HPC-Fabrics zusammen. Anwendungen, Messungen, Berechnungen und Simulationen in großem Umfang können dank HPC auf parallele Prozesse verteilt werden. Die Verteilung der Task erfolgt über spezielle Computing-Software.

Bei High Performance Computing-Anwendungen finden sich vor allem zwei Ansätze:

1. Scale-Up: Hierbei nutzen HPC-Technologien eine komplexe Architektur aus Hardware und Software, in der Tasks auf verfügbare Ressourcen verteilt werden. Die Verteilung auf parallele Rechenprozesse erfolgt innerhalb eines Systems bzw. Servers. Beim Scale-Up ist das High-Performance-Potential zwar hoch, doch durch die Systembegrenzung beschränkt.
2. Scale-Out: Bei Scale-Out-Architekturen werden einzelne Rechner, Server-Systeme und Speicherkapazitäten mithilfe von Clustering zu Knoten und HPC-Clustern verbunden.

Theoretisch können bereits einzelne gekoppelte Rechner eines Systems durch Scale-Up für HPC-Anforderungen genügen. In der Praxis jedoch erweist sich der Scale-Up Ansatz bei sehr großen Anwendungen als kaum effizient. Erst der Zusammenschluss von Rechnereinheiten und Serversystemen akkumuliert Kapazitäten und skaliert die erforderliche Performance nach Bedarf. Die Zusammenstellung, Verteilung oder Trennung von HPC-Clustern erfolgen in der Regel über ein einzelnes Server-System mit zusammengeschlossenen Rechnereinheiten oder über das automatisierte Cloud-Computing von HPC-Providern.

Im Gegensatz zu lokalen oder überregionalen Einzelsystemen, die über einen Server HPC-Anwendungen ausführen, bietet HPC per Cloud-Computing deutlich mehr Kapazitäten und Skalierbarkeit. Hierbei stellen HPC-Provider eine IT-Umgebung aus Servern und Rechnersystemen zur Verfügung, die sich nach Bedarf buchen lässt. Der Zugriff erfolgt flexibel und schnell. Zudem sind die angebotenen Cloud-Services von HPC-Anbietern fast uneingeschränkt skalierbar und garantieren eine zuverlässige Cloud-Infrastruktur für HPC-Verfahren. Das On-Premises-Modell mit Einzelsystemen, bestehend aus einem oder mehreren Servern und komplexer IT-Infrastruktur, bietet zwar mehr Unabhängigkeit ist jedoch von höheren Investitionen und Aufrüstungen abhängig.

Genau wie die Definition von HPC fließend ist, findet sich auch die Anwendung von HPC in nahezu allen Bereichen, in denen komplexe Rechenprozesse erfolgen. HPC lässt sich lokal On-Premises, über die Cloud oder auch als hybrides Modell nutzen. Zu Branchen, die auf HPC angewiesen sind oder regelmäßig nutzen, zählen:

• Genomik: Zur DNA-Sequenzierung, Abstammungsstudien und Arzneimittelanalyse
• Medizin: Medikamentenforschung, Impfstoffherstellung, Therapie-Forschung
• Industrie: Simulationen und Modelle, z. B. Artificial Intelligence, Maschinelles Lernen, Autonomes Fahren oder Prozessoptimierung
• Luft-/Raumfahrt: Simulationen zu Aerodynamik
• Finanzen: Im Rahmen der Finanztechnologie zur Durchführung von Risikoanalysen, zur Betrugsermittlung, für Business-Analysen oder zur Erstellung von Finanzmodellen
• Unterhaltungsmedien: Special Effects, Animationen, Übertragung von Mediendateien
• Meteorologie und Klimatologie: Wettervorhersage, Klimamodelle, Katastrophenprognosen und -warnungen
• Teilchenphysik: Berechnungen und Simulationen zur Quantenmechanik/-physik
• Quantenchemie: Quantenchemische Berechnungen

HPC ist längst nicht mehr nur in der Wissenschaft ein verlässliches Werkzeug zur Lösung komplexer Aufgaben und Probleme. Inzwischen können auch Unternehmen und Institutionen aus verschiedensten Bereichen auf leistungsfähige HPC-Verfahren zurückgreifen.

Zu den Vorteilen von HPC zählen:

• Kostenersparnis: Durch HPC aus der Cloud lassen sich größere und komplexe Workloads auch von kleineren Unternehmen verarbeiten. Die Buchung von HPC-Services über HPC-Provider sichert transparente Kostenkontrolle.
• Mehr Leistung, höhere Geschwindigkeit: Komplexe und aufwändige Aufgaben lassen sich durch HPC-Architekturen bestehend aus CPUs, Server-Systemen und Technologien wie Remote Direct Memory Access mit mehr Rechenkapazitäten erledigen und Berechnungen deutlich schneller ausführen.
• Prozessoptimierung: Durch Modelle und Simulationen lassen sich physische Tests und Probephasen effizienter gestalten, Ausfälle und Defekte, beispielsweise in der Industrie oder in der Finanztechnologie, vorbeugen und Prozessabläufe durch intelligente Automatisierung optimieren.
• Wissensgewinn: In der Forschung ermöglicht HPC die Auswertung enormer Datenmengen und fördert Innovationen, Prognosen und Erkenntnisgewinn.