【IT168 资讯】6月17日，据外电报道，美国科技业元老企业IBM，周四 (16日) 迎接百岁大寿生日。仅管未闻 IBM 大肆宣传;但今日毎个不经意的科技小动作，如计算机存盘、ATM 提款或在超市结帐刷计算机条形码，都和 IBM 息息相关。
《美联社》周四指出，今日所有科技业闪亮新星，从搜寻巨头 Google (GOOG-US)、iPhone 和 iPad 制造商苹果 (Apple)(AAPL-US)、最大社交网站脸书 (Facebook) 到网购服务巨擘 Groupon，都欠 IBM 一笔：如果没有商品计算机条形码，Groupon 如何存在?如果没有大型计算机主机，怎么会有 Google?
IBM 于 1911 年 6 月 16 日成立，当时由三家生产企业或机械用秤及打卡机的公司合并组成，原始公司名称是 Computing Tabulating Recording，于 1924 年改为今日的 International Business Machines (IBM)。
新公司一开始只有在纽约州的 Endicott 有一座工厂，兼生产奶酪切割机及上班打卡数据读取机，后者正是奠定公司财源的基础。到了 1930 年代，全美有 2600 万的上班族社会安全福利所需出勤纪录，都由 IBM 的卡片追踪。
在当今 iPod 时代的眼光下，当年这些 IBM 打卡机宛如怪异骨董，但却与现代计算机有相似的设计元素：兼具数据储存及数学运算处理。IBM 之后在早期领导人 Thomas Watson 严格要求下，将其运算机器运用范围一步步扩大;到了二次大战后，又将可观资源投入研发，维持在主机计算机市场的独霸地位。
如今，将业务重心转往计算机服务支持的 IBM，年营收额达 1000 亿美元左右，在美国“财富 500 (Fortune 500)”大企业排名中居第 18 位，规模是苹果的 2 倍及 Google 的 3 倍大。公司市值也重返 2000 亿美元水平，不仅超越 Google，也于上个月打败了长期伙伴软件巨头微软。
陈文光谈道，作为国家863计划的高性能计算机评测中心，在为全国近30套大规模系统做测试的过程中，发现了不少的软件和硬件问题。在谈到测试的经验时，陈文光指出，在测试的过程中主要用到了自底向上、逐逐层建模的思想，并提出了应用导向的高性能计算机评测。因为高性能计算机的性能不是用一个数字来表达的，而是一个程序或者一组程序在这个计算机上运行所表现出来的特性。
HPC评测思想：自底向上、逐层建模发现潜在问题
陈文光谈道，在测试过程主要用到了的两个评测思想：自底向上、逐层建模。通过这样的测试思想，可以发现中大规模HPC系统中潜在的问题并确定引发问题的环节。
判断一个系统有没有故障，一般的方法是将实测数据与理论上正常的数据相比较，如果相匹配，则说明没有故障，反之，系统有故障。
自底向上、逐层建模的思想就是基于这样的理论，从最底层开始，自底向上，通过对每一层建立一个性能模型来预测每一层的正常运行时间，并将其与实测数据相比较，根据比较结果来判断HPC系统是否有问题以及问题所在的层次。
据陈文光介绍，这些层次自底向上依次包括：最底层点对点通信、集合通信(MPI通信)、小程序(如FT)、实际的应用程序等五个层次。每一层的具体判断过程描述如下：
最底层的系统体现为点对点的通信、CPU的执行速度、内存、带宽等等，先把这些基本数据测出来。如果这个层次发现一些故障，比如点对点通信有很多节点之间不通，或者虽然通但是速度比其他节点之间慢很多，这就是一个故障。
在点对点通信之上是集合通信，就是MPI通信，比如广播、O2O等。集合通信可以分解成点对点通信。所以如果知道点对点通信的性能，集合通信的性能也可以推测出来。然后在机器上实测集合通信的性能，与推测出来的性能相比较，如果不匹配，则说明在这两个层次之间的软件和硬件存在问题。
集合通信之上是一些小程序，例如FT。FT是一个FFT程序，它是经过大运算量的计算，然后进行一次大规模的O2O通信，然后再经过大规模的运算量。进一步把集合通信测出来的数据作为参数输入到性能模型里面去，预测出一个正常的系统下FT的运行时间，通过和实际测试的FT运行时间相比较。如果不匹配，则说明在集合通信、CPU执行往上聚合到实际FT程序之间的软件和硬件可能会有问题。
小程序之上就是实际的应用程序，包括很多算法、数据，很多通信模式。类似地，通过性能模型预测出应用程序的性能，再与实际测量的数据做比较。
“应用导向”的高性能计算机评测和选购
陈文光强调，高性能计算机的性能不是用一个数字来表达的，而是一个程序或者一组程序在这个计算机上运行所表现出来的特性。所以要谈性能，必须说明两个东西：机器和应用，机器和应用合起来才叫性能。
“所以我们提出来一套方法：用户如果要购买一台计算机，不能只看一个计算机的峰值速度，或者LINPad测试的程序速度。最重要的是要知道这个机器上需要运行哪些应用程序，再在计算机上运行这些应用程序，看性能怎么样”，陈文光在采访中谈道。
陈文光还指出，对于一些需要运行许多应用的计算系统，不能对所有的应用进行测试。这时可以根据二八原则，选择一些比较重要的用户的比较重要的应用进行测试。
但是，不是所有的应用可以测试。比如对于一规模特别大的应用，只有购买了机器之后才能运行，这时候可以抽取一部分进行测试，也就是说选择一些有代表性的输入进行评测。
通过有代表性的输入，能把它的规模减小，使应用能够在一个结点上，或者在少数的结点组成的集群上运行。
在谈到高性能计算服务器的选型标准时，陈文光表示，高可用性并非是高性能计算选型时需要考虑的指标，因为，高可用性一般都是靠应用来维护的，在系统级的实现高可用容量和时间代价都太高。
在谈到高性能计算服务器的选型标准时，陈文光表示，高可用性并非是高性能计算选型时需要考虑的指标，因为，高可用性一般都是靠应用来维护的，在系统级的实现高可用容量和时间代价都太高。
陈文光指出，功耗是比较重要的考虑侧重点，他表示，有一套用功耗测试为基准，以性能功耗比为具体参数的选型的模型。通过测试满载、待机、正常应用等等情况，大致描绘出整个系统功耗的情况，然后计算出性能功耗比值，而这个比值也是高性能计算机选型中十分具备参考价值的。
在谈到选型时对于服务器技术(如GPU、刀片、1U服务器、胖结点)的考虑时，陈文光指出不同的技术有不同的目标，需要根据具体的情况和需求来选择。例如，如果程序支持GPU，性能功耗比又非常出色，这时可以选择GPU技术;刀片技术的选择与服务器的价格和预算有关，如果相同的价格，当然会选择密度又高、线又少的刀片服务器;是否选择胖结点则完全就是取决于应用，需要很大的内存，需要共享内存编程的方式，就一定需要一个胖结点来做，这是刚性的需求。
陈文光在采访最后谈道，最近在做一些云计算上做高性能计算的研究，比如怎么基于Amazon EC2云平台做高性能计算，他表示，网络延迟是目前研究过程中最大的困难。他还透露，目前正在试图定义一套高性能计算系统IO的能指标和测试方法。
