セミナー資料 2017年1月27日開催「クラウドcaeフェスティバル」
TRANSCRIPT
⾃⼰紹介• ⻑尾 太介 (Daisuke Nagao)
• 職歴– 富⼠ゼロックス (粉体シミュレータの開発、スパコン環境の導⼊・管理)– NVIDIA Japan: Cloud Service Provider 向けの BD– Rescale Japan: 7⽉にRescale東京オフィスオープンと同時にプリセールスエ
ンジニアとしてJoin
• コミュニティー– OpenCloudHPC (主催)– JAWS-UG HPC専⾨⽀部, JAWS-UG AI (コアメンバ)– JAWS-UG CLI (いつもお世話になっておりますー)
2
サンフランシスコ(本社), 東京オフィス300%+ annual growth
SaaS タイプの Cloud HPCを提供 (設計者対象)36+ global data centers, 180+ simulation apps
Company
Technology
Customers
Investors
100+ Leading Global 2000 Enterprises
Peter ThielJeff Bezos Richard Branson
3
Rescale - Company Overview
サンフランシスコ(本社), 東京オフィス300%+ annual growth
SaaS タイプの Cloud HPCを提供 (設計者対象)36+ global data centers, 180+ simulation apps
Rescale - Company Overview
100+ Leading Global 2000 Enterprises
Company
Technology
Customers
Investors
Peter ThielJeff Bezos Richard Branson
4
On-Premise 型
IaaS 型
SaaS 型
• 導⼊まで⻑いリードタイム• 維持・管理に多⼤な⼯数• システム変更が困難• 低い稼働率 or 多数のジョブ待ち
• HPC 環境の構築と維持• アプリケーションのインストール• クラウドベンダロックされ最適な環境が
使えないケースあり (GPU, Infinibandなど)
APPSs
IaaS
Build
左記を解決する⼿段として, SaaSタイプが注⽬されている
5
なぜ SaaS Type Cloud HPC なのか ?
GUI
Softw
are
Hardware マルチクラウドを実現、インフラは完全に抽象化
9
Rescale の特徴・メリット (HW)
• アジリティー/スケーラビリティー• アプリケーションに応じて最適なインフラを選択 (インフィニバ
ンド / GPU 利⽤可能)Private Cloud
GUI
Softw
are
Hardware マルチクラウドを実現、インフラは完全に抽象化
180+ のアプリケーションがすでにインストール
9
Rescale の特徴・メリット (SW/HW)
• アプリケーションのインストール作業不要• 30弱のアプリは従量課⾦で利⽤可能 (OSS除く)• ⾼速に動かすためのノウハウが詰め込まれている
• アジリティー/スケーラビリティー• アプリケーションに応じて最適なインフラを選択 (インフィニバ
ンド / GPU 利⽤可能)Private Cloud
GUI
Softw
are
Hardware
設計者の視点で設計された、シンプルかつ効果的なUser Interface
マルチクラウドを実現、インフラは完全に抽象化
180+ のアプリケーションがすでにインストール
• パラメータスタディースタディー機能• ワークフローの保存・コピー・共有が簡単• VDIも統合化、計算結果をダウンロードする必要がない• APIによる操作が可能、Deep Learning ⽤でJupyterも利⽤可能
• アプリケーションのインストール作業不要• 30弱のアプリは従量課⾦で利⽤可能 (OSS除く)• ⾼速に動かすためのノウハウが詰め込まれている
• アジリティー/スケーラビリティー• アプリケーションに応じて最適なインフラを選択 (インフィニバ
ンド / GPU 利⽤可能)
9
Rescale の特徴・メリット (GUI/SW/HW)
Private Cloud
GU
I
≈≈≈≈
SWH
W
≈Browser
Deep Learning
Rescale の 全体像
https://twitter.com/rescaleJapan
CAE/CFD/SIMULATION
Private Cloud
APIJupyter
Caffe
RemoteDesktop
GU
I
≈≈≈≈
SWH
W
≈Browser
Deep Learning
Rescale の 全体像
https://twitter.com/rescaleJapan
CAE/CFD/SIMULATION
Private Cloud
APIJupyter
Caffe
RemoteDesktop
ユーザさまはシステムの維持・管理の必要はありません
è On-Premise, IaaS HPC の課題を解決
基本操作編: 3STEPの操作で計算可能 / HW も SW も管理不要
14
STEP1
Upload Files
(1)
ファイルを選択
STEP3
(3)
Select a core type
HWを選択(AWS, Azure, Softlayerなど意識する必要なし)
STEP2
(2)
Setup a application (180+)
アプリケーションの選択
実⾏コマンドの⼊⼒
バージョンの選択
応⽤編: パラメータスタディー機能により最適設計をサポート
15
⽻の⾓度: 5ケース軸の半径: 4ケース
回転速度: 2ケース トルク
Outletの流量
パラメータスタディーを⾏う因⼦(INPUT) 評価する物理項⽬(OUTPUT)
この例では40caseの計算をひとつの Rescale ジョブで実⾏可能- 使いたい時に、使いたいだけマシンを⽴ち上げて計算できる- 従量課⾦のPoDライセンスを使うことでライセンス数の制限を受けることなく任意の数を計算できる
⽥⼝メソッドも、⼀度の計算で実施することが可能
応⽤編: パラメータスタディー機能により最適設計をサポート
16
⽻の⾓度5ケース
トルク
Outletの流量
パラメータスタディーを⾏う因⼦(INPUT) 評価する物理項⽬(OUTPUT)
Outletの流量
軸の半径: 4ケース
Rescaleの操作画面
パラメータスタディー機能の概要
17
Input Output制御因子 変数名 値
羽の角度 [deg] MY_ANGLE 10,20,30,40,50,60,70,80
軸の半径 [m] MY_RADIUS 0.0050, 0.0075,0.0100,0.0125,0.0150,0.0175,0.0200
回転速度 [rpm] MY_ROTATION 800,1000,1200
特性値 変数名
トルク [N・m] OF2_Torque
Outlet面の流量[kg/s]
OF1_MassFlowOutlet
System
(4) Macroファイル をテンプレート化したparameterStudy.java.tmpアップロード
(1) 実験計計画法を選択(パラメータスイープ機能)
(6) HWの選択/コア数決定
(3) 総当たり: 全168ケースのパラメータテーブルを定義
(7) トルクと流量を取り出す、post.shを作成しアップロード
(5) SWの選択/設定
(2)SimファイルsampleV1106.simをアップロード
GU
I
≈≈≈≈
SWH
W
≈Browser
Deep Learning
Browser だけでない充実したインターフェイス
https://twitter.com/rescaleJapan
CAE/CFD/SIMULATION
Private Cloud
APIJupyter
Caffe
RemoteDesktop
GU
I
≈≈≈≈
SWH
W
≈Browser
Deep Learning
Browser だけでない充実したインターフェイス
https://twitter.com/rescaleJapan
CAE/CFD/SIMULATION
Private Cloud
APIJupyter
Caffe
RemoteDesktop
CASESTU
DYOpe
ratio
n
Rescale キューを⽤意して, RescaleAPI or RescaleCLIを実⾏するノードを1台⽤意することで簡単にRescaleにジョブを投⼊することができる。すぐにハイブリッド環境を実現
Hybrid Cloud: JOBスケジューラからRescaleAPIをキックする
18
APIRescale CLI
Create API-key(Need to create API-Key only once)
Submit ノード(e.g PBS)
RescaleAPIノード
社内HPC
Rescale queue
$ qsub –q rescale ./myRun.sh
APIhttps
アプリケーションから、RescaleAPIをキック・完全な⿊⼦として・・
23
RescaleAPI
GUI(FrontEnd)
Pre Process tools
Cloud(userdoesn’ttouchRescaledirectly)LocalSystem
e.g.
ベンチマークモデル/使⽤環境• モデル– 艦船– X=1 Sampled iterations.– Size is about 25M cells.
• 環境
27
RescaleOnyx
学術系スパコン(on-premise)
CPUXeon E5-2666 v3
(Haswell)Xeon E5-2680 v4
(Broadwell)コア数 / node 18 (9 x 2) 28 (14 x 2)
Mem 60GB/node 128GB / nodeStorage 64GB/node ?
Inter Connect 10GEther Infiniband (100G/bps)
ベンチマーク結果
28
STAR-CCM+onRescaleは、Infinibandのシステムと変わらないパフォーマンスが出ている
0
20
40
60
80
100
120
0 50 100 150 200 250
相対速度
コア数
On-Premise(学術系スパコン)Rescale(Onyx)
Rescale (Onyxの18コアでの計算速度を18とし相対⽐較した)
SubmitJob
UploadInputFiles
Calc-Result
APIorKickthesubmitnode.
Starttheremote-desktop
InputFile
RunInstanceforDesktop
Calc-Result
Startdesktop-service
Operationfromdesktop
クラウド
BackendClient
SubmitJob
Visualizationw/RemoteDeskTop
ObjectStorage(Cloud)
安価・高信頼容量を気にしない
14
Private Cloud
オブジェクトストレージ中⼼で動く
まとめ
• Rescale を使えば HWを意識する必要なくクラウド上でSTAR-CCM+を簡単に実⾏できる– HWの導⼊/維持/管理全て不要– STAR-CCM+の操作に専念できる
• クラウドを使えばマシンの台数を気にすることなく、必要なとき必要台数分すぐに⽤意できる– ⼀台を100回計算するより100台を使って1回で計算する (料⾦は同じ)– クラウドはPOD (Power on-demand) ライセンスと相性が良い
• Browserだけでない充実したインターフェイス– Remote Desktopもボタンひとつで⽴ち上がる– RescaleAPI を使うことで既存のシステムと統合できる(REST API, HTTPSで通信)
31