《乳色吐息》,人人爽久久涩噜噜噜网站,在线观看av网页

問：實驗室的硬件條件好壞對你的科研有多大影響？

答：啥條件都行，沒有影響。

我們堅信以下三點：

1、科學家就是專門負責搞科研的；

2、不依賴別人，你的研究效率和節奏必須掌握在你自己手里；

3、不管是嘗試有風險的新穎項目，還是運用深度學習手段，科研多試錯才能出好東西。

有老師跟我們吐槽說，一天天地忙著維護環境，整得跟運維工程師一樣了，太耽誤事兒。想找學生幫忙吧，他們很多也不懂啊~

老師們的碩博后們也苦不堪言，本專業要學的東西已經多到爆炸，又要理論還要搞實驗，還要學大量計算機專業知識……

你這邊數據剛拿到手，別人文章都發了……救救孩子吧。

守著大把機器的，不見得有恃無恐；
得不到的，永遠在騷動，甚至還會掉頭發。。。

我們為這一屆科研計算人準備的趕DDL紅寶書分為上下兩篇：

《學生篇》

一、你們具體怎么幫我們搞科研的？展開說說
二、在云上和在本地跑任務有什么區別？
三、我自己也會上云，為啥要選你們？
四、你們跟超算比怎么樣，有區別嗎？

《老師篇》

五、我是一個老師，你們對我的科研工作/團隊管理有什么幫助？
六、我是藥物/生物/化學專業方向的，你們能做到什么程度？
七、我是集成電路/微電子專業方向的，你們能做到什么程度？
八、我是力學/熱能/機械工程專業方向的，你們能做到什么程度？

你想問的，這里都有答案。
你想要的，我們能提供更多。

以下是學生篇

一、你們具體怎么幫我們搞科研的？展開說說？

1、你們面向的是哪些科研方向的人？

四大類：

集成電路/微電子專業方向，包括物理電子學/電路與系統/微電子學與固體電子學等專業；

藥物/生物/化學專業方向，包括生物化學與分子生物學/化學工程/生物化學/生物工程/藥物化學/分析化學/高分子化學與物理等專業；

力學/熱能/機械工程專業方向，包括流體力學/工程力學/機械制造及其自動化/車輛工程/工程熱物理/熱能工程/動力機械及工程/流體機械及工程/航空宇航制造工程等專業；

以及高校或科研機構的AI訓練平臺、虛擬仿真實驗室等等。

2、你們是怎么幫助我們這些搞科研的人的？

兩點結論：

1、讓大家更專心做科研，提升高校及科研機構師生的整體科研效率，讓IT能力跟上科研能力。
2、避免大家因為資源不夠而不得不選擇短平快的研究，不敢嘗試。

具體分成以下四個維度：

一整套針對應用優化的自動化科研環境，即開即用；
海量資源加智能決策輔助，大幅提升計算效率同時降低成本；
有針對老師需求的獨特場景（這一點后續單獨展開）；
讓IT能力跟上科研能力，可視化操作，輕松上手。

3、你們是通過哪些手段大幅提升計算效率的？

應用云端優化、即開即用的云平臺、云端海量資源、Auto-Scale、調度器……

具體可見以下實證：

Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？
1分鐘告訴你用MOE模擬200000個分子要花多少錢
LS-DYNA求解效率深度測評 │ 六種規模，本地VS云端5種不同硬件配置
揭秘20000個VCS任務背后的“搬桌子”系列故事
155個GPU！多云場景下的Amber自由能計算
怎么把需要45天的突發性Fluent仿真計算縮短到4天之內？
5000核大規模OPC上云，效率提升53倍
提速2920倍！用AutoDock Vina對接2800萬個分子
從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
從30天到17小時，如何讓HSPICE仿真效率提升42倍？

4、一整套科研環境指什么？

包括了應用環境和底層的運行環境。

我們為用戶提供從登錄桌面、打開應用、配置、提交任務、自動上云開機運行任務并自動關機、查看結果進行調試……用戶所需要的操作與本地幾乎完全一致，每一步只需在平臺上使用鼠標簡單點選即可完成。

5、具體降低了什么工作量？

整套自動化環境避免了大量手動操作，也降低了出錯概率。

工具的最大價值，是把人從機械性的重復勞動中解放出來，騰出時間來思考更重要的事。
比如，一百個任務一個個手動寫？一百臺機器一個個登陸上去裝應用，配置環境？任務跑著跑著失敗了，手動一個個重來？

避免重復勞動，一次操作完成所有需要手動一次次做的事，一百次就忍了，一千次，一萬次呢？

也不需要團隊每個人重復一遍同樣的學習過程，做個模板它不香嗎？

6、你們說的應用或者任務，指的是什么？

藥物/生物/化學/集成電路/微電子/力學/熱能/機械工程/人工智能專業相關的軟件/工具。

藥物/生物/化學方向的有 Autodock Vina、NetMHC、Qvina、Amber、MaterialsStudio、GATK、VASP、Rosetta、Schr?dinger、BCFtools、Gromacs、FastQC、DeltaVina、Gaussian等；

集成電路/微電子方向的有 Innovus、Spectre、Genus、Dracula、Virtuoso、Ncsim、PowerSI、Xcelium、PT、DC、VCS、VC、FM、Verdi、OPC Proteus、Tmax2、HSPICE、Spyglass、Starrc、Calibre、Tessent、nmLVS、nmDRC、xACT、xL、xRC等；

力學/熱能/機械工程方向的有 Abaqus、Autodesk、Bladed、CFX、COMSOL、Fluent、HyperWorks、LS-DYNA、Matlab、Mechanical、MSC Adams、MSC Nastran、StarCCM、SOLIDWORKS、VASP、WRF等；

人工智能方向的有 Pytorch、Mxnet、Tensorflow、Caffe2、Miniconda、Scikit Learn/OpenCV、Pylearn2、Keras等。

7、你們和這些軟件/工具，有什么區別呢？

一句話概括，我們是EDA/CAE/CFD/生物/化學/AI計算云平臺，通過我們可以在短時間內調集海量資源，為上述軟件/工具加速，從而搶在各種科研deadline之前跑完任務，拿到結果。
關于我們的其他優勢與技術能力，可以通過后面的問題了解。

8、你們哪里來的計算資源？

目前我們從多家云廠商調集海量多云資源。

9、有時候為了搶幾臺機器都要跟實驗室的師兄弟姐妹斗智斗勇，你們的資源真有那么多？

云上資源非常多，我們曾經根據IDC報告推測國內云廠商的服務器總量超過116萬臺，2020年中國公有云服務市場的全球占比為6.5%，可大致估算出全球公有云廠商的服務器總量超過千萬臺。
重點是，這些機器都是可用資源。

10、支持AWS/華為云/GCP/Azure/阿里云/騰訊云……嗎？

國內外主流云廠商我們都支持。

11、你們跟云廠商有什么區別？

我們是從應用出發，為應用定義的云平臺。
而云廠商主要在IaaS層，距離用戶的實際應用還有非常長的距離。
在云的基礎架構和應用之間，需要借助應用優化、多云環境支持等方式來滿足用戶需求。

12、那我直接用云廠商是不是就行了？

參考上一個答案。
直接用云廠商需要做大量的IT調試，而我們已經對接了眾多主流云廠商的API，可以用統一的方式方法完成自動化部署，簡化用戶使用云資源的方式，降低學習成本，幫助用戶高效地用好云，將精力集中在科研任務上。

13、聽說還有個云管平臺，跟你們有什么不同？

我們更貼近應用，在云管平臺之上。a具體可查看《靈魂畫師，在線科普多云平臺/CMP云管平臺/中間件/虛擬化/容器是個啥》

14、之前上過云，發現有些類型的資源比較少（如部分型號的GPU），需要分別從幾個不同云廠商調資源，你們支持嗎？

我們支持多云。
多云指使用來自多個云廠商的多種服務，可以最大限度利用不同云廠商的不同優勢，就像你說的從幾個不同云廠商調資源。而在產品價格、地域選擇，多云也更有優勢。

15、云上的虛擬機靠譜嗎？性能可以嗎？

放心，性能相當，并可以更好。
兩方面原因：
1、云上的硬件更新快（詳見第54問）；
2、云上虛擬化性能逐步接近裸機。

16、各個云之間的虛擬機性能有差異嗎？我不會選怎么辦？

有。我們可以為用戶提供專業建議。

17、云上用的機型是超線程的還是物理核的？

大多數云廠商支持開啟和關閉超線程。

18、我做的課題需要特定類型的計算資源，而且可能需要好幾種，云上有GPU/大內存資源嗎？

有，我們和云上的資源是保持同步的。
包括但不限于超大內存、超大硬盤、網絡優化、GPU等資源，并且十分靈活，即開即用，隨關隨走。
我們對不同類型云端資源有非常詳盡的研究分析，具體看《【2020新版】六家云廠商價格比較：AWS/阿里云/Azure/Google Cloud/華為云/騰訊云》

19、License在云上能正常用嗎？

License無論在云上還是本地都能正常使用。

在這篇《EDA云實證Vol.4： 5000核大規模OPC上云，效率提升53倍 》中，我們將License Server分別部署在本地和云端，計算結果完全一致，集群運行均無中斷，GUI啟動均正常。

20、你們有自己的資源中心嗎？

公有云以及第三方IDC合作共建的數據中心。

21、使用機器需要排隊嗎？

正常使用云上資源無需排隊。

如果是上萬核那種的，建議提前聯系我們調配資源。

22、那啟動機器需要多久？

除了特殊機型，啟動單機的時間幾乎可以忽略不計。

如果是集群，根據集群規模大小需要若干分鐘的等待時間。

23、發paper、趕實驗工期、開組會……我們經常會特別著急臨時要跑一個任務，你們最快多久可以用上？

無需排隊，即開即用，參考前兩個問題。

24、半夜發現實驗結果有問題，第二天就要交了，你們的資源隨叫隨到嗎？

全程操作自服務，白天晚上沒區別。

25、使用過程中遇到問題，你們有人支持嗎？

我們大部分是自服務，如果你們遇到問題，我們也提供人工服務。

二、在云上和在本地跑任務有什么區別？

26、我現在常用的應用有好幾個，都是直接放到云上就可以跑嗎？

是的，我們不僅支持常規應用，也支持用戶自定義安裝。
原先在本地上怎么用，在云上就怎么用。

27、我在自己機器怎么跑應用，在云上就怎么跑嗎？需要每次都配置嗎？

不需要每次都配置。
一次配置，無限使用。

28、從來沒上過云，你們的云平臺用起來麻煩嗎？

我們基本不會改變用戶的使用習慣，配置完成之后，使用者跟原先的使用習慣是一致的。
我們支持WebVNC遠程桌面接入和WebSSH遠程命令行接入功能。
詳見《CAE云實證Vol.5：怎么把需要45天的突發性Fluent仿真計算縮短到4天之內？》

29、搞不定命令行，你們支持圖形界面登錄嗎？

我們支持Linux VNC，也支持Windows RDP。

30、多機并行跑任務真的特別快嗎？

云端的一大特點，就是你用相同的錢，可以讓1臺機器跑100小時，也可以讓100臺機器跑1小時，后者就是多機并行，能夠大大節省跑任務的時間。
效果參考問題3。

31、所有的應用都可以靠多機并行來提升效率嗎？

不是所有的應用都支持，我們可以基于經驗為用戶提供建議。
有些應用本身不支持多進程處理，有些應用雖然支持分布式但對分布式支持并不好，也就無法依靠多機并行來提升效率，但我們可以通過為其尋找更適合的機型、提升自動化程度等多個角度來提升效率。

不同機型對應用效率的提升有多大？看這篇《CAE云實證Vol.5：怎么把需要45天的突發性Fluent仿真計算縮短到4天之內？》

32、使用你們的平臺需要自己安裝操作系統嗎？

不需要，可以選擇需要什么操作系統。

33、我跑的應用沒有windows版本，你們支持linux系統嗎？

支持。

34、云上可以支持集群嗎？

可以。

我們支持LSF/SGE/Slurm集群。

35、我習慣了自己寫代碼，能不能直接通過代碼來調集群？

對于本身對應用工作流的理解和編程能力超強的用戶，我們提供更高級用戶模式，可以直接根據自己寫的腳本，通過Web瀏覽器選擇新建集群，然后按需動態地在云端創建HPC集群。

36、云上的集群也像本地一樣需要一臺臺部署嗎？

不需要。
傳統IT模式下，通常都是先構建一個固定規模的集群，然后提交任務，當全部任務結束后再關閉集群。

我們實現了云上集群的自動化部署，只需點擊幾個按鈕，5-10分鐘即可開啟集群，并在任務結束后自動關機。詳情可參考《EDA云實證Vol.1：從30天到17小時，如何讓HSPICE仿真效率提升42倍？》

37、訪問集群會很麻煩嗎？

訪問集群，既可以通過命令行，也可以通過WebVNC圖形界面方式直接訪問。
我們為所有用戶免費提供WebVNC功能，自動化創建到訪問集群：

1、通過Web瀏覽器登錄fastone平臺；

2、在Web界面新建集群、配置資源；

3、在已創建的集群點擊WebVNC遠程桌面圖標（同時提供WebSSH遠程命令行功能）；

4、跳轉到虛擬桌面，可在該桌面中操作應用。

38、云端硬件該怎么選？有什么講究嗎？

需要根據具體的應用而定。
具體可參考下圖：

三、我自己也會上云，為啥要選你們？

39、我之前用過云，為啥還要選你們？

我們對接了幾乎所有的主流云廠商，多云的優勢參見第14問。
我們還能帶來許多其他方面的提升，具體可參考后面幾個問題。

40、我們實驗室里才幾臺機器，天天維護頭就很大了，云上這么多機器還不得把自己搞禿了？

云上的運行環境都是自動化配置的，不需要人工干預，用戶還可以通過平臺進行統一管理和監控，方便易操作。
舉個例子，我們的Auto-Scale功能可以自動監控用戶提交的任務數量和資源的需求，動態按需地開啟和關閉所需算力資源，在不夠的時候，還能根據不同的用戶策略，自動化調度本區域及其他區域的目標類型或相似類型實例資源。
所有操作都是自動化完成，無需用戶干預。
下圖就是開啟Auto-Scale功能后，用戶某項目一周之內所調用云端計算資源的動態情況。
其中橙色曲線為OD實例的使用狀況，紅色曲線為SPOT的使用狀況。

可以看到整個階段算力波峰為約3500核，而波谷只有650核左右。Auto-Scale功能可以根據任務運算情況動態開啟云端資源，并在波峰過去后自動關閉，讓資源的使用隨著用戶的需求自動擴張及縮小，最大程度匹配任務需求。具體戳《EDA云實證Vol.10：Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？》

41、是不是可以認為你們就是個調度器？

調度器是我們平臺的一個重要組件。

42、你們這個調度器是怎么個智能法？

我們是基于用戶策略的雙層智能調度。

上層調度程序支持靈活的用戶策略：

-基于位置
-基于性能
-基于成本
-基于團隊/組織目標……
下層調度程序滿足應用要求：
-基于Slurm/LSF/SGE/PBS的工作任務
-基于容器的K8S工作任務……

智能調度用戶策略詳情看這個《生信云實證Vol.3：提速2920倍！用AutoDockVina對接2800萬個分子》

43、數據怎么做到云上、線下同步？

我們有專門的數據傳輸工具DM（Data Manager），讓用戶無需在多套認證系統之間切換，使用統一的身份認證即可傳輸數據，并自動關聯云端集群進行計算，不改變其原有的使用習慣。

44、任務跑得怎么樣可以在平臺上監控嗎？

提交任務后，可以在監控界面中查看任務和集群運行情況。
我們也可以在界面上查看任務運行的日志。

我們還支持實時查看任務本身的狀態，比如Fluent的殘差曲線，監控計算的收斂情況。

45、老師想搞深度學習，需要很多GPU，但有時候云上連幾塊GPU都很難搶到，怎么辦？

一般來說單家云廠商的GPU可用資源是比較有限的，我們曾經在一個任務中成功地調用了155塊NVIDIA Tesla V100，單個公有云廠商單區域資源未必能夠隨時滿足這種需求。這里面就還涉及到跨云調度。
具體可以看《生信云實證Vol.6：155個GPU！多云場景下的Amber自由能計算》

46、我試過自己搶云廠商的SPOT，雖然確實很便宜，但非常難用，隨時會斷掉，你們對SPOT支持到什么程度？

由于SPOT一定會被搶走，我們的建議是用SPOT去算那些單個任務小總數卻很多的東西。
比如生物/化學計算里的分子對接。常規分子對接任務幾分鐘即可算完，特別適合SPOT這種分分鐘可能被搶走的狀態。而且我們平臺具備自動重試功能，一個任務被中斷可以自動重新提交，任務之間互相不影響，重新提交單個任務影響很小。

四、你們跟超算比怎么樣，有區別嗎？

47、平時用超算經常排隊用不到，你們說自己即開即用，難道你們的機器規模比超算還大？

確實比超算大，而且不在一個量級。
我們曾經盤點了中國已落成的主要超算中心的總節點數量，總數為54588個，其中未包括一些正在建設中的超算中心，以及小型超算中心。
即便加上這些數量，中國超算中心的總節點數量級也未過十萬。
而根據IDC公布的中國公有云市場份額占比，阿里云以46.5萬臺服務器搶下了超過40%的市場份額，我們據此反推出國內云廠商的服務器總量超過116萬臺，超算中心與其完全不在一個數量級，可以看下圖感受一下差距。