[论文解读] Performance Analysis Cluster and GPU Computing Environment on Molecular Dynamic Simulation of BRV-1 and REM2 with GROMACS

Heru Suhartanto, Arry Yanuar+1 more|arXiv (Cornell University)|Oct 16, 2012

Protein Structure and Dynamics参考文献 7被引用 5

一句话总结

本研究评估了在16节点集群和GPU加速PC上基于GROMACS的BRV-1与REM2化合物的分子动力学模拟。使用GTX 470 GPU时，作者实现了相较于集群配置11–12倍的性能提升，表明GPU计算在仅25%成本下即可提供更优性能，使其成为高性能分子动力学工作负载的高效替代方案。

ABSTRACT

One of application that needs high performance computing resources is molecular d ynamic. There is some software available that perform molecular dynamic, one of these is a well known GROMACS. Our previous experiment simulating molecular dynamics of Indonesian grown herbal compounds show sufficient speed up on 32 n odes Cluster computing environment. In order to obtain a reliable simulation, one usually needs to run the experiment on the scale of hundred nodes. But this is expensive to develop and maintain. Since the invention of Graphical Processing Units that is also useful for general programming, many applications have been developed to run on this. This paper reports our experiments that evaluate the performance of GROMACS that runs on two different environment, Cluster computing resources and GPU based PCs. We run the experiment on BRV-1 and REM2 compounds. Four different GPUs are installed on the same type of PCs of quad cores; they are Gefore GTS 250, GTX 465, GTX 470 and Quadro 4000. We build a cluster of 16 nodes based on these four quad cores PCs. The preliminary experiment shows that those run on GTX 470 is the best among the other type of GPUs and as well as the cluster computing resource. A speed up around 11 and 12 is gained, while the cost of computer with GPU is only about 25 percent that of Cluster we built.

研究动机与目标

• 评估在集群和GPU计算环境中使用GROMACS进行分子动力学模拟的性能。
• 为大规模集群部署寻找高性价比的替代方案，以支持高性能分子动力学模拟。
• 评估在相同四核PC硬件上，不同GPU型号在GPU加速方面的可扩展性和效率。
• 确定基于GPU的系统是否在模拟印度尼西亚草药化合物方面，相较于传统集群在速度和成本效益上更具优势。

提出的方法

• 在由四核PC组成的16节点集群上，使用GROMACS对BRV-1和REM2进行分子动力学模拟。
• 在相同的四核PC上部署四种不同GPU——GeForce GTS 250、GTX 465、GTX 470和Quadro 4000，以比较性能表现。
• 测量所有GPU配置和集群环境下的模拟运行时间和性能指标。
• 通过比较GPU配置与集群配置的模拟时间，计算加速比。
• 通过比较GPU系统与集群配置的总硬件成本，评估成本效益。
• 使用标准GROMACS工作负载并保持一致的参数，以确保平台间比较的公平性。

实验结果

研究问题

• RQ1 在BRV-1和REM2化合物的模拟中，基于GPU的PC上GROMACS分子动力学模拟的性能与16节点集群相比如何？
• RQ2 在GTS 250、GTX 465、GTX 470和Quadro 4000中，哪种GPU型号在GROMACS模拟中提供了最高的性能提升？
• RQ3 最佳性能GPU配置相较于集群环境的加速因子是多少？
• RQ4 在实现相似或更优性能的前提下，GPU系统与集群配置的成本相比如何？
• RQ5 GPU加速系统能否为分子动力学模拟提供高性价比的替代方案，替代大规模集群？

主要发现

• GTX 470 GPU在所有测试GPU中性能最高，优于GTX 465和GTS 250。
• 基于GTX 470的系统相较于16节点集群环境实现了约11至12倍的加速。
• 配备GTX 470的GPU系统总成本仅为16节点集群系统总成本的约25%。
• 集群环境提供了性能比较的基线，但在速度和成本效益方面均被GPU配置超越。
• 结果表明，GPU加速系统是传统集群在分子动力学模拟中极具可行性且高效的替代方案。
• 本研究证实，GPU计算可显著缩短模拟时间，同时保持对BRV-1和REM2等生物分子系统的高精度与可靠性。