人生能有几回搏(图)

http://www.sina.com.cn 2004年07月14日08:25 光明日报

　　引子

　　2004年4月30日凌晨1点40分，曙光4000A超级服务器已工作多时。“应该还有几分钟……”尽管连日熬夜使睡意阵阵袭来，但每个人还是强忍着。12分钟后计算终于结束。屏幕赫然显示着：“Linpack实测峰值8061Gflops，效率71.56%”。曙光4000A共有2560个处理器，主频2.2GHz，数学计算可到4.4GHz，这样相乘得到理论峰值11万亿次。Linpack效率是用实测峰值除以理论峰值。

　　在全球同类系统中，美国洛斯阿拉莫斯国家实验室的闪电超级服务器理论峰值与曙光4000A一样，11万亿次，然而，其Linpack实测效率达到了不可思议的71.47%。现在我们的曙光超过了闪电。

　　测试组立即发电子邮件向全球500强组织（top500）递交了计算结果，以前经常是世界高性能计算领域的权威、全球500强的直接负责人唐格拉Dongarra教授的下属和我们联系，而这次唐格拉教授马上亲自给了我们回复 “祝贺你们！”

　　全球500强排行是国际高性能计算机最权威的评测排名，由美国田纳西大学、德国曼海姆大学以及美国国家能源研究科学计算中心每年发布两次。从1993年6月已连续发布22届。到目前，进入全球前十名的只有美国、日本的超级计算机。

　　6月22日，全球500强组织宣布曙光4000A进入全球前十，消息立刻震动了全世界。

图为世界前十曙光4000A服务器

　　初现曙光

　　从1993年推出国内第一台曙光1号，到1995年曙光1000，1996年的曙光1000A，国家智能计算机研究开发中心在国家科委（科技部）的大力支持下，取得了一系列丰硕成果。而曙光公司的成立又使曙光超级计算机的市场推广如虎添翼。

　　继曙光3000研制成功后，国家863计划继续支持智能中心研制曙光4000A，而上海市政府考虑到一期的3千多亿次计算能力已显不足，于2002年适时启动了上海超级计算中心二期建设。

　　2003年初，中国科学院与上海市两方一拍即合，决定将曙光4000A部署在上海超级计算中心，此后曙光4000A的研制工作迅速展开。

　　科技队伍

　　首先是CPU选型。AMD公司是世界排名第二的CPU厂商，目前正在寻求发展，尤其是刚刚推出的Opteron64位处理器，完全兼容32位计算。当然，选择AMD的处理器，也意味着必须做更多的创新，如支持4路CPU的主板、电源、散热等等。2003年10月，我们的主板终于通过了AMD全部测试和认证，为曙光4000A的成功打下坚实的基础。

　　与此同时，另一支队伍是做机群系统软件，单节点操作系统就用Linux，然而要使几千个处理器协调工作，并且使用起来和单机使用一样方便，光有单节点操作系统不够，还需要有机群通信系统、机群文件系统、机群管理系统、机群作业系统等等。这些方面，我们从曙光1号到现在已积累了丰富经验，研发进展顺利。

　　还有一支做网格零件的队伍。网格计算在计算所徐志伟教授“布道”几年之后，到2002年已成为各界关注的热点，863专家组把曙光4000A定位为“面向网格的高性能计算机”。这方面工作完全是创新，做出来就是独一无二的，智能中心目标明确，做一个独特的网格零件，支持网格计算。

　　突击队

　　今年3月中旬，曙光4000A节点机、机柜、网络设备陆续到位，并开始安装。

　　按照全球500强组织的规定，4月15日以前必须提交第一个计算结果，其后两周更新你提交的数据，否则不能参加6月份发布的500强排名。一般而言，这样大规模的测试，至少需要3个月，而我们只有20天！怎么办？

　　一个突击队迅速组建起来。目标是开展深入的理论研究，把小规模实验和理论研究结合起来，通过理论研究，缩小择优范围，把几千种可能的测试样本缩小到10种之内！

　　张文力，这个测试队伍中唯一的女性，樊建平老师的学生，被我们称之为“上帝的鞭子”。隐喻20世纪30年代波尔领导下哥本哈根学派的鲍利。她有一股不弄清楚绝不罢休的劲头，让她来鞭策大家再合适不过了。“这里的depth起什么作用？”“这里的alignment的作用有多大？”……就这样，张文力抽打了几乎一个礼拜，我们从头到尾又过了一遍，确信没有“漏算”。

　　4月11日67.8

　　%测试刚开始就碰到坎：加上操作系统优化，Linpack计算居然无法进行。为什么在128节点没问题，而256节点就无法进行？问题在操作系统、驱动、通信库、应用层？测试组成员霍志刚急得嘴唇布满水疱。曹振南、周小成、周应超三个年轻人坐在一起研究，36小时过去了！

　　“冯老师，我们想到的都改过来了，但是，不知道……”

　　好，改过来了，就上640节点！我们要对自己有信心！我心里说该搏一搏了。

　　计算规模719200、分块232……作业加载！时间一分一秒过去。一切是那样顺利。

　　11日早晨6点多，曙光4000A的计算出来了。我们的第一个640节点Linpack峰值7638亿次/秒，效率67.8%。第一个结果就超过了863计划项目中要求的65%！

　　4月15日69

　　%接下一周，我们跌进谷底，没有更好的结果。“是不是内存条的原因？”曙光产品部经理邵宗有揣测。

　　“全面检查硬件设备。”历军总裁在关键时刻下令。测试小组立即行动，果然问题出在内存上。排除问题到晚上9点钟，抱着希望大家又开始测试。全系统重起、静态路由生成、网络驱动加载、通信模块加载、通信性能测试、单点性能测试，一切正常！

　　凌晨2：00，同样的故障又发生了！怎么办？

　　“简洁就是可靠性。换掉故障节点，我们再试一次。”副总裁聂华作出决策。

　　我们实施这个方案后继续拼搏。“看，69%！”智能中心主任孙凝辉和聂华同时看到结果。而大家一个个笑得孩子般天真！

　　4月22日70.89

　　%接下来几天，测试结果再也和预期无法吻合。

　　22日晚7：30，大家仍在讨论。

　　这时，李国杰院士走进来：“再试试看，现在不是看我们的测试水平，而是要全面检验我们的系统设计水平、性能优化水平。”话虽不多，是鼓励鞭策、更是让我们明确了大方向。

　　此时，在另一条战线上的操作系统优化也获得了大的进展。

　　几天来，孟丹亲自参战，没有责备、也没有鼓励，有的只是一遍遍的推理，一遍遍地命令这个去休息、那个去睡觉。霍志刚、周小成、周应超、曹振南……“我马上就去休息，马上就去。”然而就是不动。

　　“对不起，霍志刚正往回走，感谢你们家属的支持。”孟丹接到霍志刚新婚妻子的电话，很愧疚，又很欣慰。如今，这些年轻人也在自觉拼搏。十多年来，曙光人的“人生能有几回搏”的传统正在发扬光大。

　　在我们采用最新的操作系统优化结果，运用最新的理论分析测试后，困难被攻克了。

　　4月23日一上班，孟丹便给大家打电话 “昨天结果是70.89%，我们的第二大目标实现了！”

　　挑战极限

　　“现在离71.47%的世界纪录近在咫尺，是否继续努力？”孙凝辉和大家都想往上冲。

　　29日是个阴雨天，几天闷热后，北京的气温遽然降到5摄氏度。参加测试的10多人，特意找了家有卡拉OK的酒馆，把刘德华的《中国人》唱了几遍。回到机房，大家的心情特别好，把所有的环境排查一遍，开始测试。

　　供电系统、空调系统、网络系统、所有节点、运行环境、作业加载……一切正常。

　　这是曙光4000A冲击世界高峰前的最后一次Linpack测试，就是这次冲刺冲进了世界前十名，创造了中国高性能计算领域的又一个奇迹。

　　2004年4月30日凌晨，连续计算了8小时40分钟的中国超级计算机———曙光4000A最终震撼了全世界。

　　