Aktuelles

Die dargestellten Arbeiten sind im Rahmen der Praxisphase des Studiengangs Ingenieurinformatik im Umfeld des BiCeHPSS für das Projekt PolyCycle entstanden. Im Mittelpunkt stand die praktische Anwendung ingenieurwissenschaftlicher und informatikbezogener Methoden zur Entwicklung und Automatisierung technischer Systeme im Umfeld des High Performance Computing (HPC). Ziel der Projekte war es, bestehende Prozesse in Bezug auf Effizienz, Skalierbarkeit und Reproduzierbarkeit zu optimieren, sowie neue Automatisierungslösungen zu implementieren, die den Betrieb und die Nutzung der HPC-Systeme des BiCeHPSS vereinfachen.

Am BiCeHPSS wird der Windows HPC Cluster „LOLA“ betrieben, welcher sowohl für Forschung, als auch Lehre in der Bachelor Veranstaltung „HPC“ genutzt wird. Der Cluster besteht aus 70 Rechenknoten und ist teilweise mit Infiband-56Gbit und Infiniband-40Gbit ausgestattet. Rechen-Jobs für den Cluster können entweder über ein Webportal oder per Python API erstellt werden. Nutzer authentifizieren sich mittels ihres Hochschul- Accounts am Cluster. Die Berechtigungsverteilung findet dabei über ActiveDirectory-Gruppen desVerzeichnisdienstes der Hochschulestatt. Nutzer des Clusters bekommen ein Home-Verzeichnis auf einem NAS bereitgestellt, welches sie über SMB/CIFS einbinden können. Auf dem Cluster lässt sich selbstprogrammierte Software mittels MS-MPI kompilierte Programme ausführen. Desweiteren gibt es eine Auswahl an vorinstallierter Simulationssoftware, sowie auch Python-Umgebungen, die mittels dem Miniconda Paketmanager genutzt werden können. Im Rahmen des „HPC“ Modul ist der Bedarf eines kleinen mobilen TestClusters (mobiDiC) aufgekommen, welcher sich schnell am Veranstaltungsort aufbauen lässt, um den Teilnehmenden einerseits einen Einblick in verteilte Rechensysteme zu geben und andererseits den Teilnehmenden ein kleines unabhängiges System anzubieten, auf dem während der Veranstaltung direkt Jobs getestet werden können.

Die Ausführung von in Hochsprachen geschriebenem Programmcode erfordert die vorherige Abbildung des Programms auf den Befehlssatz des ausführenden Prozessors. Um die Geschwindigkeit des resultierenden Maschinencodes zu erhöhen, bieten moderne Compiler zahlreiche Möglichkeiten der automatischen Optimierung. In dieser Arbeit wird der Einfluss verschiedener üblicher Optimierungsoptionen des Microso  Visual C++ Compilers, des GNU C Compilers, sowie des Intel C++ Compilers (Linux und Windows) auf die Laufzeit des numerischen Simulationsprogramms CINOLA untersucht. CINOLA ist in C programmiert und mit Hilfe von OpenMP und MPI für die parallelisierte Ausführung optimiert.