HPC چیست؟ محاسبات سنگین به چه معناست؟ رابطه رایانش ابری و محاسبات سنگین چگونه است؟ از محاسبات سنگین برای چه کارهایی استفاده میشود؟
اینها سوالاتی هستند که قرار است به خوبی در این مقاله به آنها بپردزایم.
HPC شکل مخفف شده عبارت High Performance Computing است. این عبارت به پردازشهای سریع، در حجمهای بالا اشاره دارد. محاسبات سنگین، رایانش سریع و یا HPC هرسه به یک موضوع اشاره دارند.(هر سه به انجام محاسبات با بالاترین بازه و در کمترین زمان اشاره دارند.)
در این مقاله برای سادگی و خوانایی بیشتر، رایانش سریع، محاسبات سنگین یا محاسبات با کارایی بالا را به اختصار HPC میگوییم. (هرچند که در بعد تکنیکال تفاوت میان آنها است)
فهرست
بخش یک: HPC چیست؟
درواقع(HPC) High Performance Computing، محاسبات با کارایی بالا شاخهای از علوم رایانه است که در آن بر توسعهٔ ابررایانهها (super computers) و الگوریتمهای موازی و نرمافزارهای مرتبط تمرکز شدهاست.
همانگونه که شاهد آن هستیم، پیشرفت علم و تکنولوژی هرروز بیشتر از روز قبل شگفتی میآفریند، و HPC تنها یکی از این شگفتیها است.
همچنین اگر زمانتان محدود است و یا کارهای زیادی دارید که میخواهید همه را همزمان اجرا کنید باز هم میتوانید روی HPC حساب کنید. در مواردی هم که به فضای دیسک یا حافظه بیشتری نسبت به رایانه شخصی خود نیاز دارید، سراغ HPC و خوشههای کامپیوتری بروید.
زمانی که منابع سختافزاری افراد پاسخگوی نیازهای محاسباتی و پرحجم آنها نباشد و یا سیستمهای در دسترس محاسبات را بسیار کند انجام دهند، افراد میتوانند از HPC استفاده کنند.
HPC همیشه محدودیتها و طرحهای فناوری در زمینه محاسبات را به گونهای تحت فشار قرار داده که باعث جابجایی مرزهای علم در زمینه محاسبات شده است.
جالب اینجاست که بسیاری از پیشرفتها در بخش HPC اغلب به بهبود در بخش محاسبات اصلی تبدیل میشوند. منظور از محاسبات اصلی، محاسباتی است که به هدف آن، کاربر از HPC استفاده میکند.
اگر شغلی دارید که نیاز است محاسبات شبیهسازی یا پردازش دادهای داشته باشید محاسبات سنگین بسیار کارآمد است.
اما چه چیزی رایانش و محاسبات را در فرآیند HPC انقدر پر سرعت و پر قدرت میکند؟
موازی کردن محاسبات سنگین در HPC چیست؟
همانطور که بالاتر اشاره کردیم موازی کردن محاسبات به معنای تقسیم وظایف بین سرورهای مختلف و تقسیم محاسبات به بخشهای کوچکتر برای راحتی و سرعت بیشتر است.
برای فهم بهتر این موضوع شما یک خط تولید خودرو را تصور کنید.

ورودی : مواد اولیه خودرو، همان دیتای خام ماست و خروجی : خودرو کامل، همان اطلاعات پردازش شده ماست.
در این کارخانه صدها نفر مشغول به کارند و هرکدام مسئول بخش خاصی از این تولید هستند.
در یک کارخانه تولید خودرو عدهای مسئول تولید قطعات مختلف، افرادی مسئول مونتاژ و افرادی مسئول بخشهای دیگرند و به طور هم زمان کار خود را انجام میدهند. شما تصور کنید تمام این کارها را یک نفر انجام میداد. در این صورت تولید یک خودرو ممکن بود هفته ها زمان ببرد، این در حالی است که تولید یک خودرو در کمتر از 10 ساعت به انجام میرسد.
این تقسیم وظیفه در این کارخانه باعث میشود زمان تولید به صورت قابل توجهی کاهش یابد. این دقیقا مشابه کاری است که HPC برای ما انجام میدهد.
این اتفاق در کلاسترها رخ میدهد، کلاسترها رایانههای متعددی هستند که نمایشگر و صفحهکلید ندارند اما همه آنها از طریق شبکه به هم متصلاند و دسترسی مشترکی به یک فضای ذخیرهسازی برای سیستمهای فایل دارند.
کلاسترها هر کدام به عنوان یک واحد جدا اما در خدمت سیستم عمل میکنند.
موازی کار کردن در HPC
کار در HPC به این صورت است که یک پردازش سنگین بین کلاسترهای مختلف در یک سیستم ابر کامپیوتری یا در یک شبکه ابری تقسیم میشود و هر کدام از کلاسترها بر روی یک قسمت از آن محاسبات کار میکنند. این پردازش موازی و هدفمند در یک کلاستر محاسبات سنگین است که باعث میشود تحلیل دیتای شما به جای چندین روز تنها چند ساعت زمان ببرد.
در HPC فایلها به سادگی، به طور همزمان به خوشه ارسال میشوند که به آن عملیات یا محاسبات موازی (parallel computing) میگوییم.
این ساده ترین توضیحی است که میشود برای عملکرد سیستمهای HPC داد، اما اگر علاقهمند به این حوزه هستید و میخواهید در مورد آن بیشتر بدانید ما مطالعه مطلب زیر را به شما پیشنهاد میکنیم:

شما میتوانید مراحل تحلیل اطلاعات در HPC را در کلی ترین حالت آن ببینید.
بخش دو: تاریخچه HPC چیست؟
در این بخش ما قصد درایم به سراغ تاریخچه محاسبات سنگین برویم و در آن از ظهور، تکامل و بلوغ محاسبات سنگین سخن خواهیم گفت.
ظهور HPC
قدمت مفاهیم محاسباتی به 2400 سال قبل از میلاد با ایجاد چرتکه برمی گردد. اما محاسبات الکترونیکی در اواسط دهه 1940 با ENIAC با ظهور اولین کامپیوتر عمومی الکترونیکی آغاز شد.
به طور کلی متخصصان CDC 6600 را به عنوان اولین ابررایانه در نظر میگیرند. این ابررایانه را شرکت Control Data Corporation در سال 1964 ساخت.

در سال 1980، تعداد پردازندههای مورد استفاده در یک ابررایانه شروع به افزایش کرد.
برای غلبه بر محدودیتهای یک پردازنده، چندین پردازنده (در برخی موارد بیش از صد عدد) از طریق ابزارهای مختلف به هم متصل شدند. این پردازندهها به طور هماهنگ برای دستیابی به عملکرد بهتر مورد استفاده قرار گرفتند و HPC را به شکل امروزی آن شبیهتر کردند.
اولین مشارکت محاسباتی با عملکرد بالا (HPC) در سال 1985 آغاز شد، زمانی که بنیاد ملی علوم، مشارکتی را بین پنج مرکز تحقیقاتی ایجاد کرد.
نام این مراکز به شرح زیر است:
- مرکز ابررایانهای سن دیگو (SDSC) در دانشگاه کالیفرنیا سن دیگو
- مرکز ابر رایانه پیتسبورگ (PSC) در دانشگاه از پیتسبورگ
- مرکز ملی کاربردهای ابرکامپیوتر (NCSA) در دانشگاه ایلینوی شامپاین-اوربانا
- مرکز نظریه کورنل در دانشگاه کرنل
- و مرکز جان فون نویمان در دانشگاه پرینست
این مشارکتی نقطه سرآغازی بود بر تکامل HPC در علوم کامپیوتر.
تکامل HPC
محاسبات سنگین به آنجا رسید که به مرور و با درک نیاز به معماری های تخصصی، شرکت هایی مانند Control Data و سپس Cray Research روی کار آمدند. این شرکتها، ماشینهایی به نام ابررایانهها را توسعه دادند که در عملیات ممیز شناور تخصص داشتند.
این ماشینها بر اساس تعداد FLOP (عملیات ممیز شناور در ثانیه) که میتوانند ارائه کنند، رتبهبندی شدند.
بسیاری دیگر از کامپیوترهای بزرگ آن روز بیشتر بر نیازهای محاسبات تجاری متمرکز بودند.
این ابررایانههای تخصصی و گران قیمت که در دهه 1960 توسعه یافتند، کاربردهای زیادی پیدا کردند.
یکی از مهمترین این کاربردها به صورت ویژهای در جنگ سرد پدیدار شد که ابر رایانه را به یک ضرورت استراتژیک تبدیل کرد و به پیشبرد فناوری کمک کرد.
در همان زمان، هزینه ساخت پردازندهها هرچه بیشتر سرعت گرفت.
انقلاب در محاسبات سنگین
به منظور توجیه هزینههای توسعه و ساخت، فروشندگان سیستمهای رایانهای اقدام به ایجاد بستری برای فروش و مبادله قطعات رایانهای کردند.
این بازار سرآغاز انقلابی در زمینه پیشرفت تکنولوژی محاسبات سنگین شد.

همانطور که در شکل بالا میبینید تا پیش از این ابر کامپیوترها به صورت یکپارچه وجود داشتند. اما پس از مدتی این امکان به وجود آمد که یک ابرکامپیتور به صورت چند بخشی به هم متصل شود.
این تقسیم شدن کامپیوترها به بخش های کوچکتر ریسک حمل و نقل و هزینه ساخت آنها را به صورت قابل توجهی کاهش داد. همه این رخ دادها در کنار هم زمینه فراگیرتر شدن HPC را فراهم کرد.
بخش سوم: دلیل استفاده از HPC چیست؟
فرایند HPC این امکان را به ما میدهد که بتوانیم، بدون نیاز به نمونه، اتفاقی که ممکن است رخ بدهد را پیشبینی، تحلیل و تصحیح کنیم. که البته HPC این توانایی خود را مدیون ابرکامپیوترها و کلاسترینگ است.
ما در ادامه مثالهایی از کاربردهای محاسبات سنگین چه از نگاه کاربر و چه از نگاه صنعت و نوع عملکرد صحبت کرده:
کاربردهای اصلی محاسبات سنگین یا HPC
کاربردهای اصلی HPC در تحلیل و نگهداری دادهها، مشاهده انبوه داده های به هم پیوسته، محاسبات سریع ریاضی، توسعه نرمافزارها، شبیهسازی و مدلسازی است.
محاسبات سنگین به منظور:
- تحلیل و توسعه انبوه دادهها
- ذخیرهسازی حجمهای بسیار زیاد داده برای تحلیلهای بعدی
- هدایت پروژههای تحقیقاتی گسترده
- برآیند سازی مصرف تولیدات جستجو و الگوسازی
- بهینهسازی تولید و فرآیندهای آن
- تصویرسازیهای کامپیوتری برای توضیح نتایج تحقیقاتی
- توسعه محصولات و طراحی مجدد آنها
- شبیهسازی و مدلسازی فرآیندهای پیچیده
قابل استفاده است.
مثالهایی از نیاز به محاسبات سنگین
اگر تاکنون کمی گیج شدهاید اشکالی ندارد!
با ما همراه باشید تا به زبان سادهای کاربردهای محاسبات سنگین را برایتان بازگو کنیم. در ادامه در چند مثال نیاز به HPC را از زبان کاربران آن میخوانیم:

من تام یک طراح خودرو هستم و میخواهم ماشین جدیدی طراحی کنم که سوخت کمتری مصرف کند. من میخواهم طراحی خود را با استفاده از شبیهسازیهای کامپیوتری به جای ساختن نمونه های اولیه بسیار گران قیمت و خراب شدن، آزمایش کنم و ترجیح میدهم طراحی در 6 ماه کامل شود نه 2 سال.

اسم من جو است و من برای یک آژانس پیشبینی آبوهوا کار میکنم که از ایستگاهها و حسگرهای هواشناسی ورودی دریافت میکند. من نیاز دارم وضعیت هوای هفته بعد را امروز پیشبینی کنم، و برای این مهم نیاز به محاسبات سنگین ریاضی در انداز بسیار حجیم دارم.

من جف یک مهندس در AWS هستم. وب سرور من 1000 بازدید در ثانیه دریافت میکند پس من نیاز دارم وب سرور و پایگاه داده من 1000 تراکنش در ثانیه انجام دهد تا کاربر من تاخیر زیاد و آزار دهنده حس نکند.

من سوفیا یک فیزیکدان ذرات هستم که باید دادههای زیادی را تجزیه تحلیل کنم، میخواهم با 1000 ساعت داده مختلف روی 1000 فایل مختلف کار کنم.
در تمام این موارد واضح است که موازی کردن محاسبات، منطقی و با کمک HPC کار آسانی است. من 1000 CPU دارم و میتوانم 1000 کار را به طور همزمان اجرا کنم.
این اتفاق نتیجه میلیونها و حتی میلیاردها محاسبه روی دادهها، و بارها بررسی نتایج اولیه است که ابرکامپیوترها برای ما انجام میدهند.
مزایای استفاده از محاسبات سنگین یا HPC چیست؟
در این قسمت قرار است که در مورد مزایای HPC در چهار حوزه اصلی صحبت کنیم:
کاهش تست فیزیکی: HPC را می توان برای ایجاد شبیهسازی استفاده کرد و نیاز به آزمایشهای فیزیکی را از بین برد. به عنوان مثال، هنگام آزمایش تصادفات خودرو، تولید یک شبیهسازی بسیار آسان تر و کم هزینهتر از انجام یک تست تصادف است.
سرعت: HPC میتواند با جدیدترین پردازندهها، واحدهای پردازش گرافیکی (GPU)، شبکههای با تأخیر کم مانند (RDMA) و با استفاده از بروزترین فناوریهای ذخیرهسازی، محاسبات عظیم را در چند دقیقه انجام دهد.
هزینه: پاسخ سریعتر به معنای صرفهجویی در وقت و پرداخت پول کمتر است. علاوه بر این، با HPC مبتنی بر ابر، حتی کسبوکارهای کوچک و استارتآپها نیز میتوانند بارهای کاری HPC را انجام دهند. در این حالت کاربران فقط برای آنچه استفاده میکنند هزینه میکنند و در صورت نیاز افزایش و کاهش مییابند.
نوآوری: HPC تقریباً در هر صنعت نوآوری را هدایت می کند. همانند نیرویی است که در پشت اکتشافات علمی پیشگامانه است که کیفیت زندگی مردم را در سراسر جهان بهبود می بخشد.
HPC در صنایع مختلف
امروزه مهندسان در هر صنعتی از HPC استفاده می کنند و محبوبیت آن روز به روز در حال افزایش است.

طبق نظر سایت oracel انتظار میرود بازار جهانی HPC تا سال 2022 به 44 میلیارد دلار برسد.
در زیر تنها تعدادی از حوزههایی که در آن مهندسان از HPC بهره میبرند، آورده شده است.
هوافضا :
HPC در هوافضا به ایجاد شبیهسازیهای پیچیده، مانند جریان هوا بر روی بالهای هواپیما، به متخصصان کمک میکند.
ساخت:
اجرای شبیهسازیهایی مانند شبیهسازیهای رانندگی خودکار، برای پشتیبانی از طراحی، ساخت و آزمایش محصولات جدید، که منجر به خودروهای ایمنتر، قطعات سبکتر، فرآیندهای کارآمدتر و نوآوریها میشود از جمله خدمات HPC در ساخت است.
فناوری مالی (فین تک):
HPC میتواند در انجام تجزیه و تحلیل ریسک پیچیده، تجارت با فرکانس بالا، مدل سازی مالی و کشف تقلب در فناوریهای مالی به ما کمک کند. برای مثال مقاله کاربرد رایانش ابری در کارگزاری مالی را بخوانید.
ژنومیک:
تعیین توالی DNA، تجزیه و تحلیل تداخلات دارویی، و اجرای آنالیزهای پروتئینی برای حمایت از مطالعات اجداد در ژنومیک برعهده فناوری HPC میباشد.برای مثال مقاله رایانش ابری در بررسی توالی lncRNA را بخوانید.
مراقبت های بهداشتی:
تحقیق در مورد داروها، ایجاد واکسن ها، و توسعه درمان های نوآورانه برای بیماری های نادر و رایج نیز با HPC انجام میشود. برای مثال مقاله رایانش ابری در داروسازی را بخوانید.
رسانه و سرگرمی:
ایجاد انیمیشن، ارائه جلوه های ویژه برای فیلم ها، رمزگذاری فایل های رسانهای عظیم و ایجاد سرگرمی همه جانبه هم از کاراییهای HPC در رسانه است. برای مثال مقاله رایانش ابری در فوتبال
را بخوانید.
نفت و گاز:
کاربرد HPC در صنعت نفت و گاز در انجام تحلیلهای فضایی و آزمایش مدلهای مخزن برای پیشبینی محل قرارگیری منابع نفت و گاز و انجام شبیهسازیهایی مانند جریان سیال و پردازش لرزهای است.
خرده فروشی:
حتی در این زمینه هم HPC میتواند به ما کمک کند. اینگونه که صاحبان کسبوکارهای خرد، میتوانند برای تجزیه و تحلیل حجم عظیمی از داده های مشتریان و به منظور ارائه محصول هدفمندتر و خدمات بهتر ، از HPC استفاده کنند.
بخش سوم: رابطه رایانش ابری و HPC چیست؟
HPC و محاسبات سنگین در بستر ابر (پردازش ابری) هر چند هدف مشترکی دارند و هنر هر کدام این است که سنگین ترین محاسبات را در کوتاه ترین زمان انجام میدهند اما یک تفاوت دارند که علی رغم کاربرد و شباهتهای مشترکشان ماهیت آنها را از هم متمایز میکند.
چیزی که میتوان از آن به عنوان فصل مشترک میان رایانش ابری و HPC نام برد، تعدد ماشینهای پردازنده است.
یعنی کسی که قصد استفاده از هرکدام از آنها را دارد، نیاز به اجرای برنامه خود بر روی چندین سختافزار مختلف را دارد.
به زبان ساده HPC یک سوپر کامپیوتر است که محاسبات را با کوچک کردن آن و سپردن آن به چند خوشه به سرعت انجام میدهد، اما پردازش ابری بر اساس تجمیع قدرت چندین سرور محاسباتی در کنار هم کار میکند.
این تجمیع قدرت به یک سیستم ابری این امکان را میدهد که بدون استفاده از کلاسترینگ در محاسبات خود به خوبی (حتی بهتر از ) یک سوپر کامپیوتر محاسبات سنگین ریاضی را انجام دهد.
اگر چه ارائه خدمت HPC برای شرکتهای خدمات ابری امری رایج است، اما از نظر اقتصادی سود چندانی برای این شرکتها ندارد، از همین روست که بسیاری از شرکتهای رایانشی در کشورمان از ارائه خدمات سرور HPC سر باز میزنند.
اما از آنجایی شرکت رایانش ابری فردوسی خود را فرزند دانشگاه و مدیون جامعه علمی کشور میداند چندین سال است که در غالب آزمایشگاه محاسبات سنگین دانشگاه فردوسی با تمامی دانشگاههای کشور در غالب انجام پروژههای محاسبات سنگین آنها همکاری میکند.
شرکت خدمات ابری فردوسی
ما برای انجام پروژههای دانشگاهیان سراسر کشور تخفیفهای ویژهای در نظر گرفتهایم
فقط کافیه ثبت نام کنید و از اعتبار رایگان افتتاح حساب به همراه تخفیفهای ویژه خانواده علمی ما استفاده کنید!

بخش چهارم: محاسبات سنگین فردوسی
شرکت ابر فردوسی چند سالی است در زمینه ارائه خدمات ابری (بخصوص ارائه سرویس محاسبات سنگین) مشغول به فعالیت است.ما در ابرفردوسی مفتخریم به ارائه خدمات محاسبات ابری، گرافیک ابری، سرور ابری، فضای ذخیره سازی ابری.
این شرکت با ارائه قیمت مناسب برای دانشگاهیان کشور در عین حفظ تواناییهایی پردازشی خود توانسته است در این سالها افتخار همکاری با دانشجویان و اساتید و گروههای تحقیقاتی مختلفی از دانشگاههای سرتاسر کشور در غالب سایت محاسبات سنگین را داشته باشد.
قویترین ارائه دهنده خدمات محاسبات سنگین
CPU Core
RAM GB
HDD GB
شما میتوانید با مراجعه به صفحه تعرفههای ما از خدمات ما برای دانشگاهیان با خبر شوید، همچنین شما برای امتحان کردن سرور HPC ما نیاز به هیچ شارژی ندارید و میتوانید به اندازه 15 ساعت از بهترین نرم افزارهای محاسبات سنگین ما به رایگان استفاده کنید.
پرسشهای متداول درباره محاسبات سنگین
درواقع(HPC) High Performance Computing، محاسبات با کارایی بالا شاخهای از علوم رایانه است که در آن بر توسعهٔ ابررایانهها (super computers) و الگوریتمهای موازی و نرمافزارهای مرتبط تمرکز شدهاست.
همانطور که از اسم آن پیداست HPC کارش این است که سنگین ترین پردازش ها و محاسبات کامپیوتری را در کمترین زمان ممکن انجام دهد.
این محاسبات غالباً آنچنان پیچیده و سنگین است که در ابعاد کامپیوترهای معمولی امکان پذیر نیست و بعضاً نیاز به استفاده از چند صد عدد واحد پردازشی مختلف دارد.
از کاربردهای محاسبات سنگین می توان به : توسعه محصولات و طراحی مجدد آنها/ تصویرسازیهای کامپیوتری برای توضیح نتایج تحقیقاتی/ بهینهسازی تولید و فرآیندهای آن اشاره کرد.
مطالب مرتبط
در این بخش شما میتوانید مطالب مرتبط با رایانش ابری را بهتر پیدا کنید:
شما تا به حال از خدمات محاسبات سنگین استفاده کرده اید؟ از تجربه خود از استفاده از خدمات HPC برای ما بنویسید
1 دیدگاه. دیدگاه جدید بگذارید
بنظرم با خوندن مقاله HPC چیست، مخاطب چیزی از کلاستر کامپیوتینگ درک نمیکنه ولی برای کار راه اندازی خوب بود 🙂