Bir modern cağ deyimi olan “akıllı calış, cok değil” sozu (work smarter, not harder), calışmanın yalnızca uretmek icin değil, aynı zamanda kaynakların verimli bir şekilde kullanması icin de onemini vurguluyor.
Ve bugunun super bilgisayarlarını duşunduğumuzde, ozellikle de devasa miktardaki veri yonetimi iş yuku duşunulduğunde, bu deyimi pek de onemsemiz gibi gorunmuyoruz.
Ancak, Virginia Tech ’in Muhendislik Fakultesi Bilgisayar Bilimi Bolumunde (Virginia Tech ’s College of Engineering) calışan bir araştırmacı ekibi, makina oğrenmesini kullanarak (Machine Learning) super bilgisayarların bugune dek duşunulmemiş yeni bir yontemle, daha verimli calışmalarına yardımcı olabileceklerini gosterdi. Boylelikle super bilgisayarlar iceren bir ağda, veri işleme gorevleri binlerce sunucuya uygun bir şekilde dağıtılıp, dengelenebilecek.
Onumuzdeki Hafta Sunulacak
Araştırmacılar, yalnızca gorevleri değil aynı zamanda gorev turlerini de ongormek icin sisteme makine oğrenmesini de dahil ederek, ceşitli sunuculardaki yukun tum sistem boyunca dengeli tutulabileceğini gosterdi. Ekip, araştırmasını 22 Mayıs 2019 ’da Brezilya, Rio de Janeiro ’da yapılacak olan 33. Uluslararası Paralel ve Dağıtılmış İşleme Sempozyumunda (33rd International Parallel and Distributed Processing Symposium) sunacak.
Super bilgisayarlardaki mevcut veri yonetimi sistemleri, sunucuya yukleyeceği gorev turu ya da miktarına bakılmaksızın, sunuculara “round — robin” şeklinde gorevler veren yaklaşımlara dayanır. Sunucular uzerindeki yuk dengelenmediğinde ise, sistem aygıtlar tarafından tıkanır ve performans ciddi şekilde duşer.
Bilgisayar Bilimleri Profesoru olan Ali R. Butt, “Super bilgisayar sistemlerli, yuksek performanslı bilgisayar alanında Amerikan rekabetciliğinin mujdecisidir” dedi.
“Bu teknolojiler yalnızca bilimsel atılımlar elde etmek icin değil, aynı zamanda akış izleme hizmetlerini kullanarak; film izlemeye, cevrimici finansal işlemler yapmaya, hava modellemesini kullanarak hava tahmin sistemlerini ongormeye kadar, bu sistemlerin etkinliğini korumak adına cok onemlidir.”
Makina Oğrenmesi
Makine oğrenimini kullanacak bir sistemi hayat gecirmek icin ekip; istemci (Client) tarafı yaklaşımlarının uygulama merkezli guclerini sunucu (Server) tarafı yaklaşımların sistem merkezli gucleriyle birleştiren yeni bir uctan uca kontrol alanı inşa etti.
Makalenin baş yazarı ve aynı zamanda Bilgisayar Bilimleri Bolumu ’nde doktora oğrencisi olan Bharti Wadhwa, “Bu calışma, super bilgisayar sistemlerinin yonetilmesinde dev bir adım oldu. Yaptığımız şey, super bilgisayar performansının artmasını sağladı ve bu sistemlerin; makine oğrenmesi yoluyla etkin maliyetli bir şekilde akıllıca yonetilebileceğini kanıtladı” dedi.
“Kullanıcılara cok fazla maliyet yuku cıkarmadan sistem tasarlama yeteneği verdik.”
Yeni teknik, ekibe sistemi izlemek icin “gozlere” sahip olma yeteneğini verdi ve veri depolama sisteminin; daha buyuk yuklerin ne zaman aşağı ineceğini ya da yukun bir sunucu icin ne kadar buyuk olduğunu oğrenmesini ve tahmin etmesini sağladı.
Sistem ayrıca, sistemde neler olup bittiğine dair genel bir bakış acısı yaratarak, gercek zamanlı bir bilgiyi uygulama — ongoru şekilde sağladı. Onceden sunucular oğrenemiyordu ve yazılım uygulamaları buyuk olcude yeniden tasarlanmadan ozelleştirilebilecek kadar esnek ve cevik değildi.
Yeni Bir Uctan Uca Haberleşme Platformu
Yine aynı bolumde doktora oğrencisi olan makalenin 2. yazarı Arnab K., “Bu algoritma, zaman cizelgesi modelini kullanarak gelecekteki uygulama taleplerini ongordu” dedi.
“Bu verilerden elde edilen oğrenme yeteneği, bize gelecekteki talepler hakkında yuku ve dengeli bir şekilde nasıl yerleştirebileceğimizi gorme gibi konularda eşsiz bir fırsat verdi.”
Uctan uca kurgulanan (end-to-end) sistem, aynı zamanda kullanıcıların kaynak kodunu değiştirmeden yuk dengeli kurulumdan faydalanmalarını sağlayan benzeri gorulmemiş bir yeteneğe de izin verdi. Mevcut geleneksel super bilgisayar sistemlerinde bu, uygulama kodunun değiştirilmesini gerektirdiğinden, oldukca pahalı bir prosedurdur.
Super Bilişim Alanındaki Veri Yonetim Problemleri İcin Buyuk Doğrulukla Otonom Cozumler Uretti
Heidelberg Universitesi Bilgisayar Muhendisliği Enstitusu ’nden doktora sonrası araştırmacı olan Sarah Neuwirth, “Bu ekiple birlikte super bilgisayarlar alanına katkıda bulunmak bir ayrıcalıktı” dedi.
“21. yuzyıla ait bir toplumu geliştirmek, zorluklarını karşılamak ve super bilişim icin, bunun gibi uluslararası cabalara onculuk etmemiz gerekecek. Super bilişim sistemlerinin yaygın olarak kullanıldığı kendi bu projeden buyuk olcude faydalandı.”
Uctan uca kontrol alanı, kullanım bilgilerini meta veri sunucusuna kaydeden depolama sunucularından oluşuyordu. Gelecekteki talepleri yaklaşık % 99 doğrulukla tahmin etmek icin otoregressif bir hareketli ortalama zaman serisi modeli entegre edilerek kullanıldı. Boylece en duşuk maliyetli maksimum akışlı grafik algoritması kullanılarak, depolama sunucularına eşlemek icin meta veri sunucusuna gonderildi.
Bu araştırma Ulusal Bilim Vakfı (National Science Foundation) tarafından finanse edilmekte olup Oak Ridge Ulusal Laboratuarı ’ndaki Ulusal Liderlik Bilgisayar Tesisi (National Leadership Computing Facility) ile işbirliği icinde yapılmaktadır.

Calışmayla ilgili deaylara aşağıdaki bağlantıdan ulaşabilirsiniz.
https://vtnews.vt.edu/articles/2019/04/Computer-science-load-balance.html