中国诞生首台百万亿次超级计算机背后的故事

【赛迪网讯】在不久前公布的全球超级计算机500强排行榜中，安装了微软Windows HPC Server 2008操作系统的曙光5000A超级计算机实现了百万亿次的突破，以峰值速度233.47万亿次、Linpack值180.6万亿次的成绩，跻身世界超级计算机前十名。这是本次排名中在美国之外的唯一进入前十名的超级计算机。由此，中国成为世界上第二个可以研发生产百万亿次超级计算机的国家，中国高性能计算领域的历史也从此进入一个新的纪元。

筚路蓝缕，以启山林

对于微软公司和作为国内高性能计算领域翘楚的曙光公司来说，这样成绩的取得似乎完全在情理之中；然而任何惊人奇迹的创造，背后都往往蕴藏着开创者们不为人知的艰苦努力。其实，微软与曙光信息产业有限公司的携手可追溯到2007年。那一年，两家公司正式签署了合作备忘录，在集群系统开发、集群系统的软件和解决方案的开发、中国高性能计算人才的培养等方面展开了广泛的合作。2008年，在曙光5000A成为全球前十名的超级计算机的过程中，微软中国研发集团和曙光的工程师团队更是并肩战斗，为开创中国高性能计算领域的新纪元而殚精竭虑。在一系列紧张而有序的前期准备工作之后，2008年6月，在首台安装了Windows HPC Server 2008的服务器上进行的单节点测试中，运算效率达到了86%，为同期各类操作系统中最高，这令尚属高性能计算领域新兵的微软工程师们非常振奋，也令曙光团队对合作打造百万亿次超级计算机的前景充满信心。7月，微软工程师们在曙光天津产业基地进行的32节点测试中，运算效率达到84%，几乎实现了节点数目-运算能力的线形扩展，这在运算次数每次加倍，运算效率至少要损失1%到%2的通常经验预测下几乎是不可能完成的任务。微软中国研发集团战略合作部数据中心经理李铭清楚地记得，在离天津市区5公里之外的车间内完成此次测试后，他们拖着疲惫的步伐去找宾馆，却因天津正在举行夏季达沃斯会议而被多个客满的宾馆拒之门外，几个小时后才辗转住进了一家小旅馆。

艰难困苦，玉汝于成

2008年9月12日，微软中国研发集团和曙光信息产业有限公司的工程师团队正式进驻于中科院计算所临时搭建的数据中心，开始了对全部1920个节点构成的集成计算系统的大规模测试和优化。此前，微软HPC团队服务过的最大客户是美国国家超级计算应用中心(NCSA)，当时构建的超级计算机由1200个双路四核的服务器节点构成，且负责这个项目的微软美国团队相关经验十分丰富。而此次曙光5000A由1920个四路四核的服务器节点构成，规模是作为高性能计算技术的全球领先者的NCSA拥有的超级计算机的四倍，这对年轻的微软中国HPC团队来说是个非同寻常的挑战。由于测试要求严格的无尘环境，占地达2000平方米的数据中心几乎完全不通风，只有一个很小的门可供出入。测试过程中50个机柜的散热风扇同时工作，环境噪音接近70分贝。兼之数据中心刚刚搭建，各方面情况尚较简陋，现场工作环境非常艰苦。就是在这样严酷的条件下，微软和曙光的工程师团队，夜以继日地与这台重50吨、身价2亿人民币的超级计算机“同吃同住同劳动”达7周半之久（从9月1日开始搭建计算机到10月28日完成最后测试结果）。团队中每人每天的平均工作时间达到14小时以上，在工作现场的机柜旁、停车场的角落里偶尔可见悄然入睡的疲惫身影。双方团队在这样艰苦的环境下，经过不懈的努力，令计算集群的性能和速度不断提高，并多次在最后的期限前奇迹般的实现既定目标。9月28日，曙光5000A的浮点运算能力达到87.6 T；仅仅一天之隔的9月29日，系统运算能力即突破百T大关达到116.3 T，得以赶在世界超级计算机大会的截止日期——10月1日之前顺利申报全球超级计算机的Top500；10月9日，在九个毫无突破、倍受煎熬的日日夜夜之后，工程师们在逆境中的坚韧不拔终于使曙光5000A的运算能力实现突破，达到了140.3 T的新高；10月13日凌晨两点左右，在双方工程师们的热烈欢呼中，这台超级计算机的运算能力达到167.4 T，突破了此前曙光方面预计的160 T。此举被称为“创造了中国高性能计算的历史”。在经历了10月25日174.9 T和10月26日的179.8 T之后，2008年10月28日，曙光5000A得到它提交给世界超级计算机大会的最终结果——180.6 T。当时一直守侯在工作现场的微软工程师李铭郑重地说：“我们当时都屏住了呼吸，生怕一丝稍重的气息都会影响到机器的运行。”自此，中国高性能计算的历史被正式改写。对于微软Windows HPC Server 2008在本次top500排名测试整个过程中的表现，曙光总裁历军显得十分激赏，“这是我们首次应用Windows HPC Server 2008在这样大规模的超级计算机上进行测试，本来抱着试试看的态度。但它在测试过程中表现了出极高的效率，最终得到的结果也十分优异，大大超出了我们的预期，这一切都让我们充分肯定了微软在这个领域的实力。”

曙光风范：风驰电掣，蹑景追飞

据此次在一线作战的工程师们介绍，像此次曙光5000A这样大规模的计算集群对于硬件的稳定性要求非常高，一台机器的一条内存出问题就会导致整个任务失败。因此整个过程中来自曙光的工程师们一直轮流值班，并在现场准备了大量备份硬件，一旦发现问题立刻上前更换，工作效率令人敬佩。而之前搭建数据中心的整个过程，包括电源和水管的焊接及连入整个大厦的系统，架钢梁、机柜和路线等，曙光公司仅用了十天左右的时间。其中让微软的工程师们印象尤为深刻的是，曙光公司调动了可以调动的全部人员，包括秘书、财务等行政人员，在一个晚上将现场共计七百条，总长达60公里的光纤全部部署完毕。“这是在其他任何国家都不可能实现的”，微软中国研发集团服务器与开发工具事业部HPC开发团队经理严治庆在与远在美国的团队交流时表示。

微软语录：“起来看历史啦！”

在数据中心现场，微软工程师们担负着对系统进行管理和优化，问题排查，不断推动运算速度提升的重任。项目推进过程中一旦出现问题，要迅速分析原因，如出在硬件方面则需要马上与曙光的工程师们进行沟通，软件方面的情况则需要HPC产品团队的工程师们及时贡献智慧，微软中国研发集团HPC开发团队在严治庆经理的亲自带领下，项目经理、软件开发工程师和软件开发测试工程师与数据中心团队共同战斗在工作现场，对项目的顺利完成起到了至关重要的作用。由于Windows HPC操作系统是第一次部署在如此大规模的集群上，需要对部署中和测试中出现的问题及时解决，必要时确保得到美国产品团队的实时支持， 工程师们日以继夜的工作，很多时候是凌晨或周末，把美国有经验的开发和测试工程师叫上一起开会诊断，力求在最短时间内解决问题。微软美国的工程师也以极大的热情把自己的经验和智慧毫无保留地贡献出来，因为他们清楚地知道这不但是在创造微软高性能计算的历史，也是在创造中国高性能计算的历史。

在艰苦的历程中，工程师们一直以极大的热情投入工作，然而项目从前期准备、节点测试到入驻数据中心后的冲刺总共历时近一年的时间，其中经历过好几次非常困难的“瓶颈”阶段。每当大家已非常努力却一时看不到成果，出现焦躁情绪的时候，微软中国研发集团战略合作部的数据中心经理李铭总会以这样的话为大家打气：“请记住，我们现在的工作是在创造中国高性能计算的历史。”

也许正是因为有了这样强烈的使命感，无论是在天津曙光产业基地，在生产车间里做测试，还是后来在临时搭建各方面条件尚很简陋的中科院计算所地下二层车库，微软工程师们对艰苦环境和繁重任务的适应能力让所有人惊叹。身在提倡工作与生活平衡的微软公司，从入驻车库开始的中秋节、国庆长假以及各个周末，工程师们没有休息过一天。其中尤其令人感慨的是被大家亲切地称为“老夏”的法国性能测试专家Xavier，受到大家的热情感染这次也成了拼命三郎，在项目中每天的工作量是在法国的两到三倍。

2008年10月13日，对于微软的工程师们来说是一个格外值得纪念的时刻。这一天凌晨，守候在数据中心现场的工程师们亲眼见证了167.4 T运算纪录的诞生，历史性地突破了整个项目开展预计的160T。结果出来的那一刻，微软中国研发集团的工程师李浩然叫醒了正在角落里休息的伙伴们。“起来看历史啦！”他兴奋地说。

这天晚上的庆祝活动中，每个人都喝了有生以来最多的酒，曙光的聂总还拿出了珍藏的茅台。令人在多日之后仍津津乐道的是老夏同志由于对茅台酒的后发劲力估计不足而喝了很多，后来两次跌进了饭馆中作装饰用的水池里。然而让人印象更为深刻的可能是他在席间的一番话。“我非常荣幸能参加这样一个项目，成为改变中国在高性能计算这个领域实力的一员”，他手持酒杯，发表了这番颇具国际主义精神的感言。“这个数字的出现后，中国的高性能计算产业就迈上了一个新的台阶，能为此出一份力我感到非常自豪！”