Un super ordinateur construit à partir de nombreux RPis est-il vraiment pratique ou simplement une nouveauté?

Cette question est inspirée de cet article .

Actuellement, je passe beaucoup de temps en R pour analyser les données. Certains des scripts que j'exécute dans R pourraient bénéficier du calcul parallèle afin de gagner du temps. Disons que je pourrais construire un "vrai" ordinateur barebones pour environ 300 $ et pour ce même 300 $, je pourrais obtenir 6 Pis (y compris le câble d'alimentation et la carte SD). En supposant que j'avais une tâche bien adaptée à la parallélisation, serais-je meilleur avec le Pis ou le "vrai" ordinateur?

La réponse changerait-elle si j'accélérais le "vrai" matériel informatique à quelque chose qui pourrait coûter 1000 $, comment cela se passerait-il contre 20 Pis?

Si vous voulez analyser cela, vous devez aller au-delà de dire 20 rpis contre 1000 $ et décider par vous-même ce que vous pouvez réellement obtenir et utiliser pour 1000 $. Notez que ce n'est pas le canal d'achat.

Disons que vous pouvez obtenir une carte mère, une alimentation, un RAM de 8 Go, un processeur i7 3,4 GHz à 6 cœurs et un vieux disque dur (toujours plus rapide qu'une carte SD!) Pour ~ 1000 $. Le nombre total de cycles par seconde serait de 6 * 3,4e9 = 20,4e9, contre 20 * 0,7e9 = 14e9 pour le supercalculateur pi.

Considérez maintenant le fait qu'un processeur multicœur est un processeur multicœur, tandis que le pis entre les E / S (si cela devient un facteur significatif) va être plus lent de plusieurs ordres de grandeur.

Bien que je n'aime pas (ou ne connaisse pas) les supercalculateurs pi, je suppose qu'ils sont destinés à l'expérimentation et à des fins pédagogiques. C'est certainement un cluster bon marché, mais si votre objectif est de calculer les chiffres rapidement (plutôt que d'expérimenter et d'éduquer), il n'y a aucun moyen qu'un cluster pi soit plus rentable ou économe en énergie qu'un PC normal.

Cela a une réponse quelque peu complexe - une question clé à laquelle vous devez répondre est "quel type de travail demandez-vous à la machine?"

Les jeux d'instructions sur différentes machines (ARM vs Intel vs quiconque) ainsi que la qualité des compilateurs font une grande différence dans les performances réelles. Si le travail que vous demandez de faire a une accélération matérielle sur une machine mais pas sur une autre, ce facteur à lui seul fera plus de différence qu'un changement significatif de la fréquence d'horloge.

En termes plus généraux, je pense que le meilleur rapport qualité-prix en termes de prix / performances proviendra d'un processeur général multicœur modérément cadencé d'AMD ou d'Intel. Si vous êtes dans un environnement contrôlé où les températures ambiantes sont basses, vous pouvez probablement overclocker un peu ces puces pour obtenir plus de performances.

Le rasPi n'est certainement PAS conçu pour ce genre de choses, ce qui ne devrait pas lui enlever sa grande valeur pour apprendre comment les choses fonctionnent, et même pour construire un système vraiment "distribué" à un prix très abordable. Mais si vous avez besoin de sérieuses données et / ou de chiffres, le rasPi n'est probablement pas le bon choix.

Laissant de côté le processeur sous-alimenté sur le pi, je ne vois pas comment vous allez obtenir des données vers les CPU assez rapidement sur des dizaines de pis pour voir des gains de performances qui en valent la peine. La vitesse du bus est tout aussi importante dans la superinformatique en cluster que la vitesse du processeur, et le pi est très insuffisant ici.

La mise en réseau et l'accès au disque partageront le même bus USB2 de 60 Mo. La carte SD a, au mieux, des performances dans la plage de vitesse de 20 Mo.

Le matériel informatique bas de gamme avec SATA à 150 Mo et Ethernet sur un bus PCI de 2 Go offre des ordres de grandeur plus de bande passante.

Si vous voulez apprendre le supercalcul entre les nœuds. .. Je mettrais en place le pi. Si vous voulez quelque chose de peu coûteux mais puissant - achetez un serveur / station de travail multi-cœur Intel basé sur le xénon et mettez une ou plusieurs carte (s) Tesla ou carte (s) GPU Cuda ou carte (s) Intel Phi.