Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]

Innovation Recherche

Retour d'expérience

Big Compute & HPC

sur Windows AzureAntoine Poliakov

Consultant HPC

ANEO

[email protected]

http://blog.aneo.eu

mailto:[email protected]

http://blog.aneo.eu/

#mstechdays Innovation Recherche#3

• Cloud : accès via un réseau de télécommunications, à la demande et en libre-service, à des ressources informatiques partagées configurables

• HPC (High Performance Computing) : branche de l’informatique visant à atteindre les plus hautes performances logicielles possibles en particulier en termes de vitesse de calcul– La puissance de calcul double tous les 1,5 - 2 ans

– La vitesse des réseaux double tous les 2 - 3 ans

– L’écart calcul/réseaux double tous les 5 ans

• Intérêt du HPC dans le cloud : accessibilité (PME, recherche, etc.) moteur d’innovation énorme

• Le cloud peut-il garantir des performance suffisantes pour le HPC ?– CPU : 100% natif

– RAM: 99% natif

– Réseau ???

HPC : un challenge pour le cloudIntroduction


Etat de l’art du cloud pour le HPC

Expériences

Technologie

Cloud HPC

Cas d’usage

logiciel HPC

Expérimenter le cloud HPC : 3 ingrédientsIntroduction


Identifier des partenaires et technologies

• Logiciel HPC

• Cloud performant

Porter l’application HPC : cluster cloud

• Montée en compétences

• Retour d’expérience

Expérimenter et mesurer les performances

• Passage à l’échelle

• Transferts de données

Expérimenter le cloud HPC : notre démarcheIntroduction


Un projet collaboratif : 3 acteurs complémentairesIntroduction

Equipes de recherche en HPC

reconnues

Calcul distribué et big data

Apprentissage et systèmes

interactifs

Objectifs

La technologie est-elle adaptée

au calcul scientifique ?

Spécificités du déploiement dans

le cloud ?

Performances

Windows Azure : fournisseur d’une

solution cloud HPC

Azure Big Compute

Objectifs

Avoir un retour d’expérience

technique avant la release

Suivre de l’intérieur un portage

cluster cloud

Cabinet de conseil en technologie

et organisation

Practice HPC : traitement

rapide/massif d’information pour

la finance et l’industrie

Objectifs

Identifier les cas d’usage les plus

pertinents

Mesurer la complexité du

portage et du déploiement

Evaluer la maturité de la solution

dans un contexte de production


Des équipes motivées et compétentes : merci !Introduction

Recherche

Cas d’usage : segmentation audio

distribuée

Analyse des expériences

Fournisseur

Fournisseur de la solution

technique

Mise à disposition d’importants

moyens de calculs

Conseil

Portage et déploiement de

l’application dans le cloud

Réalisation de benchmarks

Constantinos Makassikis

Consultant HPC

Wilfried Kirschenmann

Consultant HPC

Antoine Poliakov

Consultant HPC

Stéphane Rossignol

Pr adjoint,

Traitement signal

Stéphane Vialle

Professeur,

Informatique

Xavier Pillons

Principal Program Manager,

Windows Azure CAT

Kévin Dehlinger

Stagiaire ingénieur

CNAM


1. Contexte technique

2. Retour d’expérience du portage

3. Optimisations

4. Résultats

Sommaire

Innovation Recherche#mstechdays #9

1. LE CONTEXTE TECHNIQUE

a. Azure Big Compute

b. ParSon


Azure Big Compute = Nouveaux nœuds Azure + HPC Pack

• 2x8 snb E5-2670 @2.6Ghz, 112Gb DDR3 @1.6Ghz

• InfiniBand (network direct @40Gb/s) : RDMA via MS-MPI @3.5Go/s, 3µs

• IP Ethernet @10Gb/s ; HDD 2To @250Mo/s

• Hyperviseur Azure

Nœuds A8 et A9

• Middleware de gestion des tâches : Cluster Manager + SDK

• Testé à 50k cœurs dans Azure

• Extension Pack gratuit : Tout Windows Server peut servir de nœud

HPC Pack

Azure Big Compute


HPC Pack : cluster privéAzure Big Compute

• Active Directory, Manager et nœuds

dans l’infrastructure privée d’entreprise

• Cluster dimensionné par rapport à la charge maximale

• Administration : matérielle et logicielle

AD

M

N N

N N

N N

N N

N N N N


HPC Pack : dans le cloud Azure Big Compute

• Active Directory et manager dans le cloud

• Dimensionnement et facturation à la demande

• Administration logicielle uniquement

Azure Big Compute

AD

M

N N

N N

N N

N N

N N N NBureau / console

à distance

Nœuds PaaS

VM IaaS


HPC Pack : déploiement hybrideAzure Big Compute

• Active Directory et manager dans le datacenter

• Nœuds répartis entre le datacenter et le cloud

• Dimensionnement local suivant la demande moyenne

Dimensionnement cloud dynamique : absorbe les pics

• Administration logicielle et matérielle

AD

M

N N

N N

N N

N N

N N N N

N N

N N

N N

N N

N N N N

VPN


• ParSon = algorithme de segmentation audio voix / musique

1. Apprentissage sur échantillons connus pour calibrer la classification

2. Classification à base d’analyse spectrale (FFT) sur fenêtre glissantes

ParSon : un logiciel scientifique de segmentation audioParSon

ParSon

Découpage et classification

Audio numérisée

voix

musique


ParSon : une application parallèle OpenMP + MPIParSon

1. Upload fichiers d’entrée

OAR

2. Réserve N machines

4. MPI Exec

6. Rapatriement des sorties

NAS Machines réservées du clusterCluster Linux

3. Déploiement des entrées

5. ExécutionTâches inter-

communicantes

Données

Contrôle


Les performances sont limitées par les entrées-sortiesParSon

8

32

128

512

2048

1 4 16 64 256Me

ille

ur

tem

ps

d'é

xécu

tio

n(s

)

Nombre de noeuds

en réseau, à froiden local, à froid

IO bound


2. PORTAGE VERS AZURE BIG COMPUTE

a. Portage du code C++ : Linux Windows

b. Portage de la distribution : Cluster HPC Cluster Manager

c. Portage et adaptation des scripts de déploiement


• Grâce au respect du standard C++ par le code ParSon et Visual,

il y a très peu de modifications à faire dans le code applicatif

• L’application s’appuie sur la bibliothèque standard et des bibliothèques

scientifiques multiplateformes : libsnd, fftw...

• Grâce à MS-MPI, le code de communication MPI reste inchangé

• Visual Studio supporte OpenMP de manière native

• Le seul travail a consisté à traduire les fichiers de build :

Makefile Projet Visual C++

Standards respectés = portage Linux Windows facilePortage


ParSon dans le Cluster LinuxPortage


OAR


4. MPI Exec


NAS Machines réservées du clusterCluster Linux


5. Exécution

Données

Contrôle


HPC

pack

SDK

ParSon dans le Cloud AzurePortage


HPC Cluster

Manager


4. MPI Exec


Azure Storage Nœuds A9 provisionnésPaaS Big Compute


AD

Domain

controler

IaaS PaaSDonnées

Contrôle

5. Exécution


A chaque mise à jour logicielle : packaging + envoi dans Azure Storage

1. Envoi vers le manager

– Soit via Azure StorageSet-AzureStorageBlobContent Get-AzureStorageBlobContenthpcpack create ; hpcpack upload hpcpack download

– Soit via transfert classique : serveur de fichiers accessible d’internet – FileZilla ou autre

2. Script de packaging : mkdir, copy, etc. ; hpcpack create

3. Envoi sur storage Azure : hpcpack upload

A chaque provisionnement de nœuds : copie de travail locale

1. Exécution sur les nœuds via clusrun depuis le manager

2.hpcpack download

3.powershell -command "Set-ExecutionPolicy RemoteSigned"Invoke-Command -FilePath … -Credential …Start-Process powershell -Verb runAs -ArgumentList …

4. Installation : %deployedPath%\deployScript.ps1

Déploiement dans AzurePortage


• Le temps de transfert du fichier son est supérieur au temps de calcul séquentiel

• Sur plusieurs nœuds, le temps de calcul est négligeable face aux transferts

• Limite de taille d’entrée : format WAV 2-4Go ; code C++ 4Mds échantillons

Ce premier déploiement présente des limitationsPortage


3. OPTIMISATIONS


• La maillon faible du déploiement précédent est le transfert du fichier d’entrée

1. Ecriture disque : 300 Mo/s

Utilisation d’un RAMFS

2. Accès Azure Storage : QoS 1.6 Go/s

Téléchargement unique depuis le stockage, puis distribution en InfiniBand

3. Données volumineuses : 60 Go

FLAC c8 : divise la taille par 2, lève la limitation de taille du format WAV

Passage des compteurs en 64 bits dans le code C++

Méthodologie : suppression du goulet d’étranglementOptimisations


• RAMFS = système de fichiers dans un bloc mémoire RAM– Extrêmement rapide

– Capacité limité et non persistant

• ImDisk– Léger : driver + service + ligne de commande

– Open-source mais signé : fonctionne sous Win64

• Installation silencieuse scriptée – schématiquement :– hpcpack create …

– rundll32 setupapi.dll,InstallHinfSection DefaultInstall 128 disk.infStart-Service -inputobject $(get-service -Name imdisk)

– imdisk.exe -a -t vm -s 30G -m F: -o rwformat F: /fs:ntfs /x /q /Y

– $acl = Get-Acl F:$acl.AddAccessRule(…FileSystemAccessRule("Everyone","Write", …))Set-Acl F: $acl

• A exécuter à chaque provisionnement des nœuds

Accélération de l’accès local aux données via un RAMFSOptimisations


• Tous les systèmes de transferts “classiques” utilisent l’interface Ethernet

– Accès Azure Storage via les SDK Azure et HPC Pack

– Partage Windows ou lecteur réseau CIFS

– Autres protocoles de transfert réseau : FTP, NFS, etc.

• Le moyen le plus simple d’utiliser InfiniBand est via MPI

1. Sur une machine : télécharge le fichier d’entrée : Azure RAMFS

2. mpiexec broadcast.exe : 1 process par machine

• Nous avons codé un programme C++ MPI

• Si id = 0, lit le RAMFS par blocs de 4Mb et envoi aux autres par InfiniBand : MPI_Bcast

• Si id ≠ 0, reçoit les blocs de données et les enregistre dans le fichier sur RAMFS

• Utilisation des API Win32 plus rapides que les abstractions standard C ou C++

3. Le fichier est dans la RAM de tous les nœuds, accessible en tant que fichier par l’application

Accélération du transfert réseauOptimisations


4. RÉSULTATS


Le calcul passe bien à l’échelle, surtout pour les gros fichiersRésultats


Les entrées-sorties détériorent le passage à l’échelleRésultats

+-


Débit Storage régulier (220 Mo/s), latence parfois élevée

Broadcast constant @700 Mo/s

Résultats


5. BILAN


Notre retour d’expérience sur la technologie Big Compute

• Support des standards HPC : C++, OpenMP, MPI– 10 jours de portage

• Des performances solides– Calcul : CPU, RAM

– Réseau inter-nœuds

• Un support efficace– Communautaire, Microsoft

• Interface utilisateur claire et intuitive– manage.windowsazure.com

– HPC Cluster Manager

• Tout est scriptable et programmable

• Cloud plus flexible que cluster figé

• Une gestion unifiée des moyens de calcul de l’entreprise et du cloud !

• Transfert de données– Latence parfois élevée du stockage Azure

– Débit limité sur Azure storage répartition sur plusieurs comptes

– Disques durs lents (pour HPC), même sur A9

• Administration des nœuds

– Les transferts nœuds ↔ manager passent obligatoirement par Azure storage : plus lourd qu’un NAS ou lecteur réseau

• Le temps de provisionnement (~7min) est à prendre en compte


Azure Big Compute pour la recherche et l’entreprise

• Accès au calcul sans barrière

administrative ou financière

• Mise à disposition des moyens de calculs en

quelques minutes

– parfait pour l’extension de deadline d’une

conférence

• Parfaitement adapté aux chercheurs en

algorithmique parallèle

– Expériences paramétriques

• Un supercalculateur accessible à tous sans

investissements

• Facilité d’utilisation élastique :

dimensionnement à la demande

• Interopérabilité native avec un cluster Windows

privé

– Le cloud absorbe les pics

– Meilleur des deux mondes

• Datacenters en UE : Irlande + Pays-Bas

Modèle de coût prévisible et adapté à l’utilisation

Conception moderne, documentation complète, support efficace

Le besoin d’administration est réduit par rapport à une infra privée mais reste présent

Pour la recherche Pour l’entreprise


Merci

?

Merci pour votre attention

• Antoine Poliakov

[email protected]

• Stéphane Vialle

[email protected]

• ANEO

http://aneo.eu

http://blog.aneo.eu

• Retrouvez nous aux TechDays !

Stand ANEO jeudi 11h30 - 13h

Au cœur du SI > Infrastructure moderne avec Azure

Tous nos remerciements à

Microsoft pour nous avoir

prêté les machines !

Une question : n’hésitez pas !



http://aneo.eu/

http://blog.aneo.eu/

Digital is business

Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]

Technology

Transcript of Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]