Gianluigi Zanetti (gianluigi.zanetti@crsr4.it) Cybersar Overview Gianluigi Zanetti (gianluigi.zanetti@crsr4.it)

CYBERSAR: a cooperative effort for a shared HPC facility Dual purpose Computational Support to RTD RTD on computational infrastructure Members of the co-op CRS4, INAF, INFN, UNICA, UNISS, Nice, Tiscali Partially Funded by MIUR Supported by RAS (Sardinian Regional Authority) access to dark-fibers & regional network (~3MEuro) INFN AOB

Cybersar from afar 1/4 Cpu : 72 cores Cpu : 256 cores Cpu : 408 cores RAM: 0.14 TB Disk: 13 TB Icnct:, IB Cpu : 256 cores RAM: 0.5 TB Disk: 32 TB Icnct: GbE Cpu : 408 cores RAM: 0.8 TB Disk: 66 TB Icnct: GbE, IB Cpu : 488 cores RAM: 1 TB Disk: 100 TB Icnct: GbE, IB Now Installing 450 additional cores

Cybersar from afar 2/4 DWDN Networks 2 lambda 10GbE (+ 4) on dedicated dark fibers

Cybersar from afar 3/4 Dark fiber core Rete Regionale Ricerca RTR DWDM network 2.5Gb/s lambdas Rete Regionale Ricerca Upgraded with 2 10GbE lambdas (2009Q1)

Cybersar from afar 4/4 Upgraded with 2 10GbE lambdas (2009Q1) GARR- X DWDM network 2.5Gb/s lambdas Upgraded with 2 10GbE lambdas (2009Q1) Janna dark fibers GARR- X

Operativo (80%) da dic. 2007 Dicembre 2007 80 partecipanti, E-science 2007 Cybersar a new computational infrastructure for research in Sardinia Cagliari: Workshop di inaugurazione dell’ infrastruttura 80 partecipanti, 40 partecipanti ai tutorials

Cybersar: a cooperative effort for a shared HPC facility Dual purpose Computational Support to RTD RTD on computational infrastructure Members of the co-op CRS4, INAF, INFN, UNICA, UNISS, Nice, Tiscali Partially Funded by MUR Supported by RAS (Sardinian Regional Authority) access to dark-fibers & regional network INFN AOB

RTD computazionale Metodologie computazionali come strumento Vasto spettro settori applicativi: dai nano-materiali alle reti di interazione sociale Metodologie computazionali come oggetto di ricerca Due livelli di parallelismo Macro scala Cluster di nodi interconnessi con canali di varia capacità e latenza (1GbE -> Ib) ‘Micro scala’ Multi-core processors con esplicita località della memoria e.g., CellBE co-processors GPU, FPGA

Cybersar per l’infinitamente piccolo Cybersar nella world grid e per LHC Infrastruttura di Cybersar utilizzata da gruppi di ricerca dell’ INFN impegnati nel progetto e coinvolti in ALICE e LHCb ed avranno un ruolo importante nel supportare il contributo di queste attività di ricerca con la partenza della presa dati. 10

Cybersar per l’infinitamente grande Data intensive Analisi real-time dati SRT Correlatore software per interferometria VLBI (Very Long Baseline Interferometry) Ricerca di pulsar in sistemi binari relativistici Calibrazione automatica di immagini radio Compute intensive Modellazione della fotofisica dei gas interstellari

Cybersar per l’infinitamente numeroso Nanograni: crescita e morfologia (cristallinità, bordi di grano etc.) Mesoscala da simulazioni microscopiche Superconduttività da principi primi Materiali esotici …. annealing polaroni magnetici “di Zhang-Rice” Grafite intercalata CaC6

Cybersar per le bioscienze Simulazioni di biomolecole Nuovi strumenti paralleli per la bioinformatica Analisi dati provenienti da apparati ad alta processività recettori delta-oppioidi Illumina/Solexa flow cell image

Cybersar nell’ atmosfera Predizione di eventi meteorologici estremi Per dettagli presentazione di G. Pusceddu

Cybersar nel sottosuolo Tempo – offset usi queste informazioni per costruire campo velocità Migrazione Dimensione totale dei dati ordine dei 10 tbyte 8-25hz Imaging acustico del sottosuolo

Cybersar verso star-trek Visualizzazione volumetrica diretta su display a campo di luce Huge dataset: 2048^3 Rendering flow: 50Gbit/sec Front-end PC Back-end Rendering Cluster RAM LRU Cache 3 5 9 GPU1 1 (Ids of current working set chunks) (Geometry/color for new chunks) Cache 2 Partitioning and simplification Mmap I/O Adaptive multires. renderer Holovizio wrapper front-end Network Holovizio wrapper back-end 50Mpixel 0.8° resolution 50-70° FOV GPUm n Off-line Cache 4 7 2 Multiresolution DAG Cut Multiresolution structure (data+dependency) Per dettagli vedere poster Agus et al.

Light field display, the movie

Cybersar: a cooperative effort for a shared HPC facility Dual purpose Computational Support to RTD RTD on computational infrastructure Members of the co-op CRS4, INAF, INFN, UNICA, UNISS, Nice, Tiscali Partially Funded by MUR Supported by RAS (Sardinian Regional Authority) access to dark-fibers & regional network INFN AOB

RTD infrastrutturale Tecnologia per infrastruttura computazionale ‘dinamica’ Piano di controllo unico Configurazione della rete, boot/reboot macchine fisiche, deploy agnostico di sistemi operativi Deployment programmabile di cluster fisici e virtuali Sperimentazione di nuovi approcci sull’uso delle risorse computazionali Infrastructure as a service (“cloud computing”) per applicazioni scientifiche Configurazioni ‘non tradizionali’ e.g., map-reduce facilities

Computational control plane Infrastructure as a service capability Effective BW to disk vs n.nodes Coordination and Scheduling Vendor independent Control as WS n. nodes OS Agnostic // Deployment system Per dettagli vedere presentazione P.Anedda e poster M.Gaggero

State of the art control plane computer traditional cluster 4’ from scratch to running 72 phys. nodes 8’ from scratch to running 288 vn on 72 phys. n. (cfr. Amazon EC2 ~1hr) control plane computer Computing site (virtual) non traditional computing e.g., map-reduce facility for biocomputing virtual computing site hosting

There is more than this in cybersar… Un centro di ricerca Regionale Due Istituti Nazionali di Ricerca 10 Dipartimenti Universitari Due industrie high-tech Per un totale di circa 220 persone coinvolte

Grazie ed arrivederci!