[論文レビュー] Scientific Computing in the Cloud

J. J. Rehr, Jonathan P. Gardner+3 more|ArXiv.org|Dec 31, 2008

Scientific Computing and Data Management被引用数 5

ひとこと要約

本論文は、クラウドコンピューティング、特にアマゾンのエラスティックコンピューティングクラウド（Amazon EC2）を用いたハイパフォーマンス科学計算の実現可能性を評価しており、FEFFコードを用いたX線分光および電子構造計算において、クラウドベースのクラスタが効率的に動作することを示している。クラウド環境は、従来のHPCシステムと同等の信頼性とスケーラビリティを備えており、最小限のセットアップオーバーヘッドと仮想化マシンイメージによる再現可能な計算環境の強力なサポートを提供することが示された。

ABSTRACT

We investigate the feasibility of high performance scientific computation using cloud computers as an alternative to traditional computational tools. The availability of these large, virtualized pools of compute resources raises the possibility of a new compute paradigm for scientific research with many advantages. For research groups, cloud computing provides convenient access to reliable, high performance clusters and storage, without the need to purchase and maintain sophisticated hardware. For developers, virtualization allows scientific codes to be optimized and pre-installed on machine images, facilitating control over the computational environment. Preliminary tests are presented for serial and parallelized versions of the widely used x-ray spectroscopy and electronic structure code FEFF on the Amazon Elastic Compute Cloud, including CPU and network performance.

研究の動機と目的

• クラウドコンピューティングプラットフォームが、科学的応用のための伝統的なハイパフォーマンスコンピューティング（HPC）クラスタの代替手段として実用的かどうかを評価すること。
• 特にアマゾンEC2上で実行される、FEFFコードのシリアライズおよび並列化されたバージョンのパフォーマンスを評価すること。
• 多様なハードウェア環境で一貫性があり再現可能な計算環境を保証するための仮想化マシンイメージの利点を示すこと。
• 専用のHPCインfraストラクチャを持たない研究グループにとって、クラウドベースの科学的コンピューティングの実用性を検討すること。
• 計算が集中的な材料科学シミュレーションのための、クラウドベースのクラスタのCPUおよびネットワークパフォーマンスをベンチマークすること。

提案手法

• 事前に設定済みで最適化されたマシンイメージを用いて、アマゾンEC2仮想マシン上にFEFFコード（シリアライズおよび並列化済みバージョン）をデプロイすること。
• クラウド環境における永続的ストレージおよびデータ管理のため、アマゾンのエラスティックブロックストレージ（EBS）の使用。
• 科学的シミュレーションに代表される標準的な計算ワークロードを用いて、CPUおよびネットワークI/Oのパフォーマンスベンチマークを実施すること。
• 仮想化を活用して、ライブラリや依存関係を含む、完全な計算スタックをポータブルなマシンイメージに封入すること。
• 複数の仮想インスタンスにわたるジョブスケジューリング、リソース割り当て、スケーラビリティの評価。
• クラウドベースと従来のHPC環境との間での実行時間およびリソース利用状況の比較。

実験結果

リサーチクエスチョン

• RQ1 アマゾンEC2のようなクラウドコンピューティングプラットフォームは、科学的コンピューティングワークロードにおいて、伝統的なHPCクラスタと同等のパフォーマンスを提供できるか？
• RQ2 FEFFコードのパフォーマンスは、仮想化されたクラウド環境で実行する場合とオンプレミスのハードウェアで実行する場合とでどのように異なるか？
• RQ3 仮想化マシンイメージは、科学的ソフトウェアのデプロイの再現可能性およびポータビリティをどの程度向上できるか？
• RQ4 I/O、ネットワーク遅延、コスト効率の観点から、クラウドベースの科学的コンピューティングの実用的制限は何か？
• RQ5 顕著な再構成なしに、大規模な科学的シミュレーションを処理するためにクラウドリソースをどの程度効果的にスケーリングできるか？

主な発見

• クラウドベースのFEFFデプロイは、やや並列化されたワークロードにおいて、伝統的なHPCシステムと競合するパフォーマンスを達成した。
• アマゾンEC2インスタンスにおけるCPUパフォーマンスは一貫しており、複数回のテスト実行においても最小限のばらつきを示した。
• ネットワークパフォーマンスは、データ集中的な科学的アプリケーションに十分であったが、一部のストレージ集中的な操作でI/Oボトルネックが観察された。
• 仮想化マシンイメージにより、迅速なデプロイと一貫した実行環境が可能となり、セットアップおよび構成に要する時間が顕著に短縮された。
• クラウドリソースの使用により、研究者が必要に応じて計算容量をスケーリングでき、長期的なハードウェア投資の必要性が回避された。
• 本研究は、クラウドコンピューティングが、専用のHPC施設にアクセスできない研究グループにとっても、実用的かつ実現可能な代替手段であることを確認した。