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.
REPÈRES
Les centres de calcul dont il est question ici perpétuent le gigantisme des ordinateurs à tube des années 1940, occupant de grandes salles, en ayant bien entendu bénéficié de la miniaturisation de leurs composants intimes.
S’ils sont parfois moins gigantesques que les plus grands centres informatiques des géants du Web, ou de la NSA américaine, ils sont plus « denses » : dans quelques centaines ou milliers de mètres carrés, et quelques mégawatts – parfois jusqu’à 20-30 – ils concentrent unités de calcul et de stockage.
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.
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.
TECHNOLOGIES ÉMERGENTES ET TECHNOLOGIES DE RUPTURE
Les recherches sont actives sur des voies alternatives aux circuits actuels (CMOS sur silicium) ou en rupture – ordinateur quantique, à ADN, neuromorphique, pour citer les principales voies. On ne voit aucune de ces dernières options à même d’émerger rapidement sur le marché et à un stade industriel, ni être « généralistes » dans leurs usages potentiels.
Il importe néanmoins de suivre ces technologies, d’anticiper leur futur impact et notamment de penser leur programmation et exploitation efficaces. Les grands centres de calcul ont un rôle privilégié à jouer ici, surtout lorsqu’ils sont adossés et naturellement liés à des organismes technologiques et communautés de recherche au meilleur niveau mondial.
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 ?
