# 뉴론 시스템 개요(2021.04)
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 | 4 |
| Total CPU core 수 | 80 |
| 최대제출/실행 작업개수 | 2 |
| 사용자별 최대 GPU 점유개수 | 6 |
### **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 | 19 |
| Total CPU core 수 | 380 |
| 최대제출/실행 작업개수 | 10 |
| 사용자별 최대 GPU 점유개수 | 20 |
***
#### **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 | 11 |
| Total CPU core 수 | 220
|
| 최대제출/실행 작업개수 | 10 |
| 사용자별 최대 GPU 점유개수 | 20 |
#### **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 | 8 |
| Total CPU core 수 | 160
|
| 최대제출/실행 작업개수 | 10 |
| 사용자별 최대 GPU 점유개수 | 20 |
### **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 | 15 |
| Total CPU core 수 | 600
|
| 최대제출/실행 작업개수 | 10 |
| 사용자별 최대 GPU 점유개수 | 30 |
### **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 | 4 |
| Total CPU core 수 | 160 |
| 최대제출/실행 작업개수 | 3 |
| 사용자별 최대 GPU 점유개수 | 16 |
### **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 | 5 |
| Total CPU core 수 | 160 |
| 최대제출/실행 작업개수 | 10/5 |
| 사용자별 최대 GPU 점유개수 | 40 |
### **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 | 3 |
| Total CPU core 수 | 96 |
| 최대제출/실행 작업개수 | 2 |
| 사용자별 최대 GPU 점유개수 | 6 |
## **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 | 10 |
| Total CPU core 수 | 360 |
| 최대제출 작업개수 | 2 |
| 최대실행 작업개수 | 2 |
| 작업별 최대노드 점유개수 | 2 |
### **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 | 2 |
| Total CPU core 수 | 128 |
| 최대제출 작업개수 | 1 |
| 최대실행 작업개수 | 1 |
| 작업별 최대노드 점유개수 | 1 |
### **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 | 1 |
| Total CPU core 수 | 24 |
| 최대제출 작업개수 | 1 |
| 최대실행 작업개수 | 1 |
| 작업별 최대노드 점유개수 | 1
|
## **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 | 1 | 1 |
| Total CPU core 수 | 40 | 56 |
| 최대제출 작업개수 | 2 | |
| 최대실행 작업개수 | 1 | |
| 작업별 최대노드 점유개수 | - | |
***
## **라. 접속 방법**
뉴론 시스템 서비스는 2019년 05월 사용신청한 사용자들에게 제한적으로 허가가 되었으며, 사용허가를 받은 사용자들은 아래와 같은 방법으로 접속가능합니다.
***
{% code title="\[ 리눅스/맥 환경에서 접속방법 ]" %}
```shell-session
$ ssh -l neuron01.ksc.re.kr (or 150.183.150.99)
$ ssh -l neuron02.ksc.re.kr (or 150.183.150.100)
```
{% endcode %}
***
## **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)
```shell-session
$ 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.
```shell-session
$ 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.
```shell-session
$ module load intel/18.0.2
```
현재 모듈을 적재한 상황은 module list를 이용하여 확인이 가능합니다.
```shell-session
$ 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.
```shell-session
$ which icc
/apps/compiler/intel/18.0.2/bin/icc
```
추가로 cuda/10.0 툴킷 환경을 적재하고 다시 한번 module list로 확인합니다.
```shell-session
$ 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.
```shell-session
$ 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.
```shell-session
$ module purge
$ module list
No Modulefiles Currently Loaded.
```