뉴론 시스템 개요(2021.04)

슈퍼컴퓨팅인프라센터 2019. 4. 30. 09:49

2019년 05월 서비스 오픈하는

뉴론 시스템의 제원은 다음과 같습니다.

가. GPU 노드 제원

1. ivy_k40_2

구분

내용

CPU

Intel(R) Xeon(R) CPU E5-2670 v2 @ 2.5GHz ( 노드 당 2 소켓, 총 20코어 )

GPU

NVIDIA Tesla K40m (1 노드당 2 K40 카드 탑재)

CPU 메모리

DDR3/1866MHz (노드당 128GB, CPU 코어 당 6.4GB)

GPU 메모리

K100 카드당 12GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

최대제출/실행 작업개수

사용자별 최대 GPU 점유개수

2. ivy_v100

구분

내용

CPU

Intel(R) Xeon(R) CPU E5-2670 v2 @ 2.5GHz ( 노드 당 2 소켓, 총 20코어 )

GPU

NVIDIA Tesla V100 (1 노드당 2 V100 카드 탑재)

CPU 메모리

DDR3/1866MHz (노드당 128GB, CPU 코어 당 6.4GB)

GPU 메모리

V100 카드당 HBM2 16GB/32GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

380

최대제출/실행 작업개수

사용자별 최대 GPU 점유개수

1) ivy_v100-16G_2

구분

내용

CPU

Intel(R) Xeon(R) CPU E5-2670 v2 @ 2.5GHz ( 노드 당 2 소켓, 총 20코어 )

GPU

NVIDIA Tesla V100 (1 노드당 2 V100 카드 탑재)

CPU 메모리

DDR3/1866MHz (노드당 128GB, CPU 코어 당 6.4GB)

GPU 메모리

V100 카드당 HBM2 16GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

220

최대제출/실행 작업개수

사용자별 최대 GPU 점유개수

2) ivy_v100-32G_2

구분

내용

CPU

Intel(R) Xeon(R) CPU E5-2670 v2 @ 2.5GHz ( 노드 당 2 소켓, 총 20코어 )

CPU

NVIDIA Tesla V100 (1 노드당 1 V100 카드 탑재)

CPU 메모리

DDR3/1866MHz (노드당 128GB, CPU 코어 당 6.4GB)

GPU 메모리

V100 카드당 HBM2 32GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

160

최대제출/실행 작업개수

사용자별 최대 GPU 점유개수

3. cas_v100_2

구분

내용

CPU

Intel(R) Xeon(R) Gold 6230 CPU @ 2.1GHz ( 노드 당 2 소켓, 총 40코어 )

GPU

NVIDIA Tesla V100 (1 노드당 2 V100 카드 탑재)

CPU 메모리

DDR4 (노드당 384GB, CPU 코어 당 9.6GB)

GPU 메모리

V100 카드당 HBM2 32GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

600

최대제출/실행 작업개수

사용자별 최대 GPU 점유개수

4. cas_v100nv_4

구분

내용

CPU

Intel(R) Xeon(R) CPU Gold 6230 CPU @ 2.1GHz ( 노드 당 2 소켓, 총 40코어 )

GPU

NVIDIA Tesla V100 (1 노드당 4 V100 카드 탑재) (NVlink)

CPU 메모리

DDR4 (노드당 384GB, CPU 코어 당 9.6GB)

GPU 메모리

V100 카드당 HBM2 32GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

160

최대제출/실행 작업개수

사용자별 최대 GPU 점유개수

5. cas_v100nv_8

구분

내용

CPU

Intel(R) Xeon(R) CPU Gold 6226R CPU @ 2.9GHz ( 노드 당 2 소켓, 총 32코어 )

GPU

NVIDIA Tesla V100 (1 노드당 8 V100 카드 탑재) (NVlink)

CPU 메모리

DDR4 (노드당 384GB, CPU 코어 당 12GB)

GPU 메모리

V100 카드당 HBM2 32GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

160

최대제출/실행 작업개수

10/5

사용자별 최대 GPU 점유개수

6. cas32c_v100_2

구분

내용

CPU

Intel(R) Xeon(R) CPU Gold 6242 CPU @ 2.8GHz ( 노드 당 2 소켓, 총 32코어 )

GPU

NVIDIA Tesla V100 (1 노드당 2 V100 카드 탑재)

CPU 메모리

DDR4 (노드당 384GB, CPU 코어 당 12GB)

GPU 메모리

V100 카드당 HBM2 32GB

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

최대제출/실행 작업개수

사용자별 최대 GPU 점유개수

나. CPU_only 노드 제원

1. skl

구분

내용

CPU

Intel(R) Xeon(R) Skylake (Gold 6140) @ 2.3GHz ( 노드 당 2 소켓, 총 36코어 )

메모리

DDR4 (노드당 192GB)

운영체제

CentOS 7.4

할당 노드 수

Total CPU core 수

360

최대제출 작업개수

최대실행 작업개수

작업별 최대노드 점유개수

2. amd

구분

내용

CPU

AMD EPYC 7542 @ 2.9GHz ( 노드 당 2 소켓, 총 64코어 )

메모리

DDR4 (노드당 256GB)

운영체제

CentOS 7.7

할당 노드 수

Total CPU core 수

128

최대제출 작업개수

최대실행 작업개수

작업별 최대노드 점유개수

3. optane

구분

내용

CPU

Intel(R) Xeon(R) CPU Gold 6246 CPU @ 3.3GHz ( 노드 당 2 소켓, 총 24코어 )

메모리

DDR4 (노드당 1.5TB)

운영체제

CentOS 7.7

할당 노드 수

Total CPU core 수

최대제출 작업개수

최대실행 작업개수

작업별 최대노드 점유개수

다. 대용량 메모리 노드 제원

1. bigmem

구분

노드1

노드2

CPU

Intel(R) Xeon(R) Westmere E7-4870 / 2.4GHz ( 노드 당 4 소켓, 총 40코어 )

Intel(R) Xeon(R) Broadwell E7-4830 / 2.0GHz ( 노드 당 4 소켓, 총 56코어 )

메모리

DDR3 (노드당 512GB)

DDR4 (노드 당 768GB)

운영체제

CentOS 7.4 (Linux, 64 bit)

할당 노드 수

Total CPU core 수

최대제출 작업개수

최대실행 작업개수

작업별 최대노드 점유개수

라. 접속 방법

뉴론 시스템 서비스는 2019년 05월 사용신청한 사용자들에게 제한적으로 허가가 되었으며, 사용허가를 받은 사용자들은 아래와 같은 방법으로 접속가능합니다.

[ 리눅스/맥 환경에서 접속방법 ]

$ ssh -l <user id> neuron01.ksc.re.kr (or 150.183.150.99)
$ ssh -l <user id> neuron02.ksc.re.kr (or 150.183.150.100)

마. 파일 전송방법 (업로드/다운로드)

뉴론 시스템에서는 다음과 같은 노드들을 통하여 사용자의 데이터를 업로드/다운로드할 수 있습니다. 아래에 명시되어 있지 않은 프로토콜에 대해서는 기본적으로 서비스하고 있지 않은 것이니, 참고하시기 바랍니다.

노드

내용

neuron01.ksc.re.kr neuron02.ksc.re.kr

sftp, scp 전송 지원 ( ftp은 지원하지 않음)

바. module 사용법 (애플리케이션 사용을 위한 환경 설정 툴)

뉴론 시스템에 설치된 컴파일러, 라이브러리, 주요 애플리케이션에 대해 module을 활용하여 쉽게 환경설정을 할수 있도록 하였습니다.

사용가능한 모듈 목록은 다음과 같습니다. (2021년 4월 현재)

 $ module av  

--------------------------------------- /apps/Modules/modulefiles/compilers ---------------------------------------
gcc/4.8.5    gcc/8.3.0    intel/18.0.2 pgi/19.1

--------------------------------------- /apps/Modules/modulefiles/libraries ---------------------------------------
hdf4/4.2.13  hdf5/1.10.2  lapack/3.7.0 ncl/6.5.0    netcdf/4.6.1

------------------------------------------ /apps/Modules/modulefiles/mpi ------------------------------------------
cudampi/mvapich2-2.3  cudampi/openmpi-3.1.0  cudampi/openmpi-3.1.5  mpi/impi-18.0.2       
mpi/mvapich2-2.3      mpi/openmpi-3.1.0     mpi/openmpi-3.1.5

---------------------------------- /apps/Modules/modulefiles/libraries_using_mpi ----------------------------------
fftw_mpi/2.1.5 fftw_mpi/3.3.7

------------------------------------- /apps/Modules/modulefiles/applications --------------------------------------
cmake/3.12.3        gaussian/g16.b01    htop/3.0.5          namd/2.12           python/3.7.1        R/3.5.0
cuda/10.0           gaussian/g16.c01    java/openjdk-11.0.1 nvtop/1.1.0         qe/6.4.1_k40        singularity/3.1.0
gaussian/g16        gromacs/2016.4      lammps/16Mar18      python/2.7.15       qe/6.4.1_v100       singularity/3.6.4

------------------------------------ /apps/Modules/modulefiles/conda_packages -------------------------------------
conda/caffe_gpu_1.0   conda/pytorch_1.0     conda/tensorflow_1.13

[module av 목록의 주요 카테고리 설명]

/apps/Modules/modulefiles/applications : 주요 애플리케이션들의 모음
/apps/Modules/modulefiles/compilers : 사용 가능한 컴파일러들의 모음
/apps/Modules/modulefiles/libraries : 주요 라이브러리들의 모음
/apps/Modules/modulefiles/mpi : 사용 가능한 MPI 들의 모음(cudampi 는 cuda sdk에 의존성이 있는 MPI)
/apps/Modules/modulefiles/libraries_using_mpi : MPI 의존 라이브러리들의 모음

※각 모듈들의 사용방법은 module help 명령을 사용하시면 간단한 사용 예제를 보실 수 있습니다.

 $ module help intel/18.0.2 
 
----------- Module Specific Help for 'intel/18.0.2' ---------------
 
 This module is for use of Intel Compiler 2018.
 It needs module(s):
                   None
 Use example:
         $ module load intel/18.0.2


 Additional info:
     1. We can use Intel Advisor, Vtune, Inspector, TBB and MKL.
     2. Major environment variables is set up like these:
           CC=icc   CXX=icpc   FC=ifort    F77=ifort    F90=ifort

module help 결과를 참고하여 다음과 같이 module load 명령어를 이용하여 intel-2018 컴파일러 환경을 설정합니다.

$ module load intel/18.0.2

현재 모듈을 적재한 상황은 module list를 이용하여 확인이 가능합니다.

$ module list
Currently Loaded Modulefiles:
1) intel/18.0.2

또한, 아래와 같은 방법으로 모듈에 적재한 애플리케이션 명령어가 PATH 환경 변수에 제대로 설정되어 있는지 확인합니다.

$ which icc
/apps/compiler/intel/18.0.2/bin/icc

추가로 cuda/10.0 툴킷 환경을 적재하고 다시 한번 module list로 확인합니다.

$ module load cuda/10.0
$ module list
Currently Loaded Modulefiles:
1) intel/18.0.2 2) cuda/10.0

이번에는 더 이상 필요하지 않는 module 환경을 해제하도록 하겠습니다. 아래의 예에서는 cuda/10.0의 환경설정을 삭제하고 그 결과를 module list로 확인합니다.

$ module rm cuda/10.0
$ module list
Currently Loaded Modulefiles:
1) intel/18.0.2

혹은 module purge 명령어로 적재되었던 모든 module 들을 삭제해 버릴수도 있습니다.

$ module purge
$ module list
No Modulefiles Currently Loaded.

Previousslurm 스케쥴러 기본 사용법 (2021.04)

Last updated 1 year ago