神威太湖之光只能靠跑分“作秀”？其实有大作用

　　前段时间，新一期全球超级计算机500强（TOP500）榜单在美国盐湖城公布，中国神威太湖之光蝉联冠军，中国天河二号屈居次席。除神威太湖之光和天河二号外，中国也在TOP500上榜总数上与美国持平。

　　正如天河2号获得6连冠后却因为使用了Intel公司的至强Phi计算卡而被一些别有用心之徒百般诋毁，在神威太湖之光实现了包括处理器在内的所有核心部件全部国产化后，网络上又传来了不和谐的音符——有媒体认为，神威太湖之光的“可用性能与理论性能相去甚远”，并以“HPL效率是74.16%”，“HPCG测试只有0.371PFLOPS，效率则只有0.3%，这比天河2号的1.1%还要低”来质疑神威太湖之光。

　　言下之意，就是神威太湖之光的可用性能与理论性能相去甚远，只能用来跑分，根本就用不来。那么什么是Linpack和HPCG，神威太湖之光真的只能用来跑分么？

　　什么是Linpack？

　　上面媒体的一段话引用了几个测试的结果，并以74.16%、0.3%、1.1%等实际数据来说明中国超算可用性能与理论性能相去甚远，非常具有迷惑性。笔者简单的就Linpack测试和HPCG测试做个简要说明。

　　Linpack指的是矩阵求解，在科学计算中把实际问题抽象成方程组，然后离散成矩阵计算矩阵倍，代表的是传统的以矩阵为基础的数值计算方法，常用于理科和工科的数值求解和数值模拟。那么为何超算大多以Linpack测试成绩论高低呢？原因就在于很多科学计算模型都包含了矩阵求解，比如解微分方程，因此在超算任务中具有不可取代性——像辐射流体力学就是求解微分方程；而核爆炸模拟其实就是辐射流体力学+蒙特卡洛预测；雷达截面的矩量法计算也有赖于解微分方程；业内专家还告诉笔者“现在的深度学习算法的核心算法与Linpack的是一个”。..。..。因此，linpack测试并非是一些跑分软件那样：不服跑个分，而是真正具有实战价值的测试。

　　Linpack效率指的是实际计算时的次数除以理论计算，举例来说：

　　神威太湖之光的理论性能为125.4 PFlops，Linpack浮点性能93PFlops，Linpack效率为74.16%。

　　天河2号的理论性能54.9Pflops，Linpack双精浮点性能33.8PFlops，Linpack效率61.5%

　　泰坦的理论性能27 Pflops，Linpack双精浮点性能17.6 PFlops，Linpack效率为65.19%。

　　红杉的理论性能为20.1Pflops，Linpack测试双精浮点性能为16.3P，Linpack效率高达81%。

　　这里要说明一点，就是超算的规模越大，Linpack测试效率的提高就越难——规模大到如一定程度，维持一段时间的稳定运行是非常难的，何况是太湖神威之光93PFlops的高性能。而神威太湖之光在Linpack测试性能是美国超算泰坦5倍以上的情况下，Linpack测试效率大幅领先于泰坦，这就非常可贵了！至于红杉的Linpack测试效率为何会高达81%，笔者会在下文做讲解。

　　另外还要说明的的一点，天河2号Linpack效率低于美国泰坦的原因——一方面是因为天河2号的规模更大，影响了效率；另一方面是因为天河2号采用的是Intel的至强PHI计算卡，而该计算卡就以理论性能强大，但稳定性能相对偏低著称——同样使用E5和至强PHI计算卡的美国超算Stampede，不仅运算能力仅为天河2号的五分之一左右（未升级前，升级后为三分之一），整机效率比天河2号更低，只有60.7%。

　　总而言之，以神威太湖之光的规模，取得Linpack效率达到74.16%已经非常厉害了，在采用异构计算的超算中属于顶尖水平，大家千万不要被一些无良媒体误导了。

　　异构超算在Linpack效率上天然低于同构超算

　　对于笔者认为的神威太湖之光Linpack效率达到74.16%属于顶尖水平的结论，也许某些人会提出异议，比如会列举出TOP500排名第四的美国超算红杉，红杉的理论性能为20.1Pflops，Linpack测试双精浮点性能为16.3P，Linpack效率高达81%。

　　那么为何红杉的Linpack效率如此之高呢？原因就在于和神威太湖之光、天河2号、泰坦等采用异构计算的超算不同，红杉采用的依旧是传统的同构计算技术。

　　超算可以分为两种架构。采用同构计算架构的超算只需要单纯使用一种处理器，在同一类型的处理器上执行计算任务。举例来说，中国超算神威蓝光采用了申威1600，美国的米拉和红杉采用了PowerPC-A2处理器，这些超算都没有采用GPU或其它类型的众核芯片等加速器。因此，红杉、米拉、神威蓝光都是采用同构计算架构超算的代表。

　　异构计算使用CPU、GPGPU、GPDSP、ASIC、FPGA和其它类型的众核处理器来处理不同类型的计算任务。采用异构计算架构的超算会使用至少2种类型的处理器，其中异构计算架构中通用CPU负责逻辑复杂的调度和串行任务，加速器负责并行度高的任务，实现计算加速。具体来说，采用异构计算架构的超算在运算中既使用处理器，又使用GPU或众核芯片等加速器。以中国天河2号和神威太湖之光为例，天河2号有16000个计算节点，每个节点由2片Intel-E5-2692和3片Xeon-Phi组成，共使用了32000片Intel-E5-2692和48000片Xeon-Phi。神威太湖之光虽然只采用了申威26010众核处理器，看起来像同构超算，但由于申威26010集成了4个管理核心和256个运算核心，一片申威26010就是一个计算节点，管理核心执行类似于天河计算节点中E5的功能，而256个运算核心则发挥了类似于Xeon-Phi的加速作用，因此也属于异构超算。

　　由于异构编程需要提前预知模型并做特殊优化，而且很多应用未必适合异构模型，使得采用异构计算的超算对于编程和优化的要求更高——一位业内人士就评价，“异构编程太劳心劳力了，高端人才的精力应该用在关注自己的专业上来，而不是当代码狗。..。..年纪大一点的科研人员就不愿自己编代码了，一些年青但不愿劳思费神的科研人员也不愿意编写异构代码。..。..”。因此，采用异构计算的超算在Linpack效率上天然低于采用同构计算的超算。

　　那么既然同构超算在编程方便和效率上具有优势，为何全球超算都转向异构计算呢？原因就在于，这样超算可以获得更高的性能，之前抱怨异构编程太劳心劳力的业内朋友就表示，“超算方面众核是近些年的趋势，虽然编程劳心费力，但是在性能面前我们还是得忍，相同成本谁不想性能更好，科研对性能的需求可以用饥渴来形容”。

　　唠唠叨叨说这么多，主要是为了打一个补丁，防止别有用心之徒用美国同构超算和中国异构超算比Linpack效率，进而抹黑中国超算Linpack效率低下，何况前者的规模远远小于后者。

　　什么是HPCG

　　目前，评价超算的指标有不少，除了测试Linpack的TOP500，还有强调的是内存带宽和延迟的Graph500，Graph500对全系统的内存带宽和内存延迟有很高的要求，而计算能力本身已经不影响测试结果了，这种测试偏向于访存密集型运算，在大数据分析等场景下比较有意义。

　　除Graph500之外，还有强调节能环保的Green500。那么，在Graph500和Green500排行榜上，神威太湖之光的表现如何呢？Graph500名列第二，Green500名列第三。

　　不过，也有工程师认为无论是TOP500，还是Graph500都过于极端——TOP500过于强调计算性能，Graph500过于强调带宽和延迟等因素，因此采用了新的标准HPCG。

　　HPCG是美国正在推的一个新测试标准，目前还没有被业界广泛接受，HPCG代表了共轭梯度迭代法的一类应用的计算和通信特征，仅仅代表了某一个方面的特征，并不能涵盖超算的所以特征。HPCG比较重视计算性能和通信的平衡，如果计算性能和通信不是一个量级的，即便两项指标分开看都很强，但也会导致HPCG偏低的结果。

　　另外，HPCG也存在一些缺陷，据业内人士介绍，“由于针对具体硬件结构修改共轭梯度算法很容易得到高得多的成绩，为了避免这一点，HPCG代码目前还在锁定状态，不准修改算法本身。但在使用中，用户是会修改算法的，这使得这一测试会脱离实际”。

　　在某媒体的报道中，“但在更具实战意义的HPCG性能（高性能共轭梯度基准测试）中，太湖之光只有0.371PFLOPS，效率则只有0.3%，这比天河2号的1.1%还要低”，0.3%和1.1%的数据和该媒体的这种表述很容易让人误认为，天河2号和神威太湖之光的HPCG测试结果非常差，但实际上，在HPCG测试排行榜中，天河2号位列第一，而神威太湖之光为列第三，这其实是很不错的成绩。而且一位业内人士猜测，“也许神威还没有好好进行优化”。

　　必须指出的是，神威太湖之光的HPCG低于天河2号，并非是因为计算性能或在通信上不如天河2号，恰恰相反，在计算性能上神威太湖之光大幅领先于天河2号，而在互联网络方面，神威太湖之光也不逊色于天河2号——虽然在带宽上有差距，但在实际应用中，带宽指标比较延迟等指标而言并不太重要（延时指的是1个CPU把自己的计算结果交给其他CPU，如及时送到，其他CPU就能继续计算，否则就要等待了，芯片、链路、协议等都会影响延时）。因此，神威太湖之光在HPCG上逊色于天河2号，原因就在于计算性能实在是过于强悍，以至于产生了计算和通信上的不平衡，并最终导致自HPCG上逊色于天河2号。