La puissance de calcul : un mariage entre technologies et applications

Dis­pos­er de la puis­sance de cal­cul néces­saire à cer­tains travaux exige d’avoir accès à des cen­tres dédiés, entourés de la com­pé­tence de dizaines de spé­cial­istes en tout genre. La France con­serve une autonomie de développe­ment de super­cal­cu­la­teurs face à des pays qui investis­sent mas­sive­ment dans ce domaine. 

Les appli­ca­tions pro­pres au monde des sci­ences et de l’industrie sont en moyenne plus intens­es en cal­cul et traite­ments que les tâch­es trans­ac­tion­nelles au prof­it du Web, de la mes­sagerie, des réseaux soci­aux ou encore de maintes tâch­es d’informatique d’entreprise.

“ Les plus grands centres de calcul scientifique actuels voient leur capacité mesurée en dizaines de pétaflops ”

En effet, la réso­lu­tion des prob­lèmes sci­en­tifiques con­cernés – tant dans la recherche académique que dans l’industrie – néces­site des capac­ités de cal­cul mas­sive­ment par­al­lèles et forte­ment cou­plées, avec gros débits et faibles latences de com­mu­ni­ca­tion entre processeurs et serveurs. 

Cela dis­qual­i­fie les solu­tions très dis­tribuées, au prof­it de super­cal­cu­la­teurs « local­isés » et à réseau interne spé­ci­fique – en per­ma­nence au-delà des capac­ités de réseaux longue dis­tance ou classiques. 

DES ÉCURIES DE FORMULE 1

Beau­coup des tech­nolo­gies de base (processeurs, mémoires) sont com­munes entre super­cal­cu­la­teurs et serveurs plus génériques, même si le cal­cul haute per­for­mance (en anglais HPC, pour High Per­for­mance Com­put­ing) utilise plutôt le haut de gamme des com­posants pro­duits par ailleurs en masse. 

Ce sont donc surtout la den­sité et l’intégration plus poussées qui car­ac­térisent les archi­tec­tures en clus­ters util­isées et leur envi­ron­nement local, qui com­porte aus­si des sys­tèmes de refroidisse­ment adap­tés, et des sys­tèmes de stock­age de masse. 

Les plus grands cen­tres de cal­cul sci­en­tifique actuels voient leur capac­ité mesurée en dizaines de pétaflops (cal­cul) et de pétaoctets¹ (stock­age) – voir les sta­tis­tiques sur www.top500.org. Les sys­tèmes logi­ciels de ces machines sont adap­tés à l’administration de masse, à la ges­tion de ressources partagées par des cen­taines d’utilisateurs dis­tants, à la pro­gram­ma­tion par­al­lèle mas­sive des applications. 

Enfin, les équipes de sup­port et d’exploitation peu­vent regrouper des dizaines de spé­cial­istes de nom­breux sujets – une sorte d’analogue à une équipe tech­nique d’écurie de For­mule 1. 

DES CENTRES DE COMPÉTENCES PLURIDISCIPLINAIRES

Pen­chons-nous sur les ver­tus et voca­tions de ces infra­struc­tures de cal­cul et de traite­ment de don­nées. Ces infra­struc­tures sont privées (par exem­ple, pro­priété de grands indus­triels ou de groupe­ments d’intérêt), ou publiques (au ser­vice de la recherche publique) et de dif­férentes échelles, crois­santes : régionale, nationale, internationale. 

“ La France est ainsi l’un des rares pays à conserver une autonomie de développement de supercalculateurs ”

Les cen­tres de cal­cul sont plus ou moins général­istes (privés, ils seront sou­vent plus spé­cial­isés, mais des com­mu­nautés de recherche peu­vent dis­pos­er de cen­tres qui leur sont réservés, comme la fusion pour l’énergie).

Mais surtout, ce sont des cen­tres de com­pé­tences : à la fois sur les tech­nolo­gies en per­pétuelle évo­lu­tion, sur les méth­odes de développe­ment logi­ciel, sur le sup­port aux util­isa­teurs – en plus des mis­sions de base de bonne exploita­tion des machines et de ser­vices de base associés. 

UN PATRIMOINE À VALORISER

Cette notion de cen­tre de com­pé­tences est en fait cru­ciale, elle doit être une ambi­tion en soi. 

Il s’agit de faire fruc­ti­fi­er le pat­ri­moine ines­timable de savoir-faire résul­tant de cette posi­tion priv­ilégiée d’observatoire glob­al : lieu de vie des grandes appli­ca­tions de cal­cul et traite­ment de don­nées, per­me­t­tant des opti­mi­sa­tions plus glob­ales et com­munes, des antic­i­pa­tions tech­nologiques plus mûries et au final de meilleurs ser­vices haute­ment partagés, invo­quant par­fois des com­pé­tences très pointues et rares en traite­ment de don­nées, admin­is­tra­tion de masse, algo­rith­mique avancée, etc. 

De plus, les grands cen­tres de cal­cul peu­vent avoir une rela­tion priv­ilégiée avec les grands four­nisseurs de tech­nolo­gie (com­posants ou sys­tèmes) : accès et test pré­co­ces pour mieux anticiper les évo­lu­tions ; voire con­cep­tion con­jointe des sys­tèmes de cal­cul futurs : le CEA fait cela depuis quinze ans avec Bull (Atos) avec le sou­tien d’un Plan d’investissement d’avenir.

La France est ain­si l’un des rares pays au monde à vouloir et pou­voir dévelop­per et con­serv­er une autonomie de développe­ment de supercalculateurs. 

COLOCALISER DONNÉES ET TRAITEMENT

La place crois­sante prise par la prob­lé­ma­tique des don­nées impose de penser une juste (co)localisation des cal­culs et des don­nées. On rap­proche aujourd’hui plus aisé­ment un cal­cul de l’entrepôt de don­nées que l’on ne déplace les pétaoctets. 

“ Le calcul haute performance n’est pas aisément soluble dans du cloud totalement banalisé ”

Les grands cal­culs pro­duisent sou­vent de grandes mass­es de don­nées locales ; à traiter, inter­préter, par­fois redis­tribuer au mieux ensuite par par­ties ; des grandes mass­es de don­nées d’origine quel­conque (cal­cul mais aus­si, de plus en plus, issues a pri­ori de cap­teurs, réseaux soci­aux, etc.) peu­vent béné­fici­er de la prox­im­ité de forte puis­sance de cal­cul afin de les traiter et exploiter. 

On observe notam­ment une forte et rapi­de évo­lu­tion des besoins d’analyse de don­nées (data ana­lyt­ics, machine learn­ing, deep learn­ing) dont cer­tains algo­rithmes pour­raient dépass­er les besoins en puis­sance de cal­cul de ceux de la sim­u­la­tion numérique – pas vouée à dis­paraître pour autant ! 

Les grandes infra­struc­tures de cal­cul sont donc bien des lieux priv­ilégiés où faire vivre et évoluer la rela­tion des grands cal­culs aux grandes mass­es de don­nées, par évo­lu­tion des archi­tec­tures et ser­vices offerts, sur la base de forte com­pé­tence his­torique de ges­tion de sys­tèmes et de ser­vices mutu­al­isés complexes. 

La Chine investit dans ce domaine avec une volon­té et des moyens con­sid­érables. © EYETRONIC

UN BESOIN DURABLE DE GRANDES INFRASTRUCTURES

Enfin, l’informatique en nuage (cloud) est perçue comme une ten­dance lourde pou­vant refor­muler poten­tielle­ment tous les usages de l’informatique.

Il s’agit en fait d’abord d’un mode d’accès à dis­tance, et d’organisation plus « vir­tu­al­isée » des ser­vices, que les grands cen­tres de cal­cul pra­tiquent déjà très couramment. 

Le cal­cul haute per­for­mance n’est pas aisé­ment sol­u­ble dans du cloud totale­ment banal­isé ; il requiert de toute façon les archi­tec­tures tech­nique­ment adap­tées décrites précédemment. 

Les ren­dre acces­si­bles en mode cloud, c’est surtout en aug­menter la sou­p­lesse d’accès (« élas­tic­ité », qui peut aus­si béné­fici­er à des util­isa­teurs plus occa­sion­nels on non insti­tu­tion­nels comme des PME ou des ETI). 

En con­clu­sion, cal­cul inten­sif et mass­es de don­nées ont tou­jours coex­isté en cal­cul sci­en­tifique. La crois­sance uni­verselle des mass­es de don­nées pro­duites et/ou traitées dans des domaines de plus en plus var­iés ne fait que ren­forcer la valeur des grandes infra­struc­tures de cal­cul capa­bles de traiter les prob­lèmes aux frontières. 

__________________________________
1. Péta = 10¹⁵, soit un mil­lion de mil­liards (~2⁵⁰).

NDLR : Qu’est-ce qu’un flop ?

---

Articles similaires :

Les tech­nolo­gies numériques clés du futur Pas d’ITER sans numérique Éty­molo­gie :
À pro­pos de sim­u­la­tion et supercalculateurs Vers une mobil­ité durable, sûre, effi­ciente et abordable Les tech­nolo­gies numériques au ser­vice de l’agriculture de demain Un écosys­tème français à la pointe du numérique