電子發(fā)燒友網(wǎng)報道（文/周凱揚）作為在TOP500、GREEN500（單機柜）和HPL-AI三榜排名第一的超算系統(tǒng)，F(xiàn)rontier被列為第一完全不是浪得虛名。作為首個公開突破E級的超算，F(xiàn)rontier的通用算力已經(jīng)達到了1.1 exaflops，能效比為52.23 gigaflops/watt，AI算力更是達到了可怕的6.88 exaflops。但就是這樣一臺冠絕群雄的超算，也在部署上遇到了供應(yīng)問題。

實現(xiàn)Frontier強大性能靠的并非只是單個強勁的硬件，還有龐大的系統(tǒng)規(guī)模。整個Frontier超算系統(tǒng)用到了74個慧與科技的Cray EX全液冷超算機柜和9408塊AMD EYPC Trento CPU，Trento 是AMD Milan CPU的優(yōu)化版，同樣是64核128線程的處理器，但在時鐘速度和能效上有所加強。至于為何沒用上引入3D垂直緩存技術(shù)的Milanx-X芯片，那是因為這塊處理器今年3月份才正式出貨，如果拿它來打造Frontier的話，這搶發(fā)首臺E級超算的機會很可能就失之交臂了。

除了CPU以外，F(xiàn)rontier還集成了37632塊AMD MI250X GPU，37632塊慧與的Cassini NIC，9.2PB的內(nèi)存（4.6 PB HBM2e+4.6PB DDR4），32PB節(jié)點本地存儲和716PB的中心存儲。整個系統(tǒng)共由9408個節(jié)點組成，每臺機柜包含128個節(jié)點，重量接近400公斤，龐大的系統(tǒng)也將功耗推至恐怖的29MW。除了MW級的液冷引擎外，F(xiàn)rontier還在外部部署了EVAPCO的冷卻塔，確保Frontier能夠保證峰值性能。

供應(yīng)鏈噩夢

Frontier的部署計劃正式始于2018年，為了給Frontier騰出空間，原本屬于Titan超算的數(shù)據(jù)中心被拆除，改建為Frontier的數(shù)據(jù)中心，泰坦也于2019年正式退役。同年，慧與的Cray系統(tǒng)成功拿下了美國能源部的訂單，成了Frontier的基礎(chǔ)構(gòu)成部分。

但事實上，原本Frontier應(yīng)該在2021年就部署完畢的，然而由于供應(yīng)鏈上各個方面的影響，直到2021年秋季，才只完成了系統(tǒng)的交付，直到今年五月才完成最終的安裝、優(yōu)化和一次成功的E級HPL測試。當然了，F(xiàn)rontier最后能夠爭下首發(fā)E級超算，還是因為英特爾的7nm工藝也就是如今的Intel 4遇到了問題，被反復(fù)推遲，這樣才讓原本打算首發(fā)E級的Aurora超算，錯失了這個殊榮。

但對于Frontier超級計算機這種大型集成系統(tǒng)來說，全球供應(yīng)鏈各個環(huán)節(jié)上的問題基本也都撞上了。首先遇上問題的就是Frontier的兩大直接供應(yīng)商，慧與和AMD。2020年末，F(xiàn)rontier的零部件短缺到了最嚴重的地步。整個Frontier系統(tǒng)要用到685個不同料號的零部件，其中167個因為缺貨問題而受到影響，總數(shù)達到了200萬個。

慧與表示，當它們開始下單用于機柜和Slingshot互聯(lián)系統(tǒng)的部件時，不少供應(yīng)商都將訂單的交期加上了6個月甚至是一年，這時連離打造好第一個機柜都還缺12種零部件。AMD就更加不用說了，2020年到2021年是全球GPU缺貨最嚴重的一段時間，雖然大部分都認為受影響的只有被挖礦潮波及的消費級GPU，但對于AMD來說，他們在GPU加速卡零部件上的供應(yīng)也遇到了問題，就拿MI250這張卡來說，且不說GPU芯片的產(chǎn)能供應(yīng)是否充足，當時打造這一張GPU加速卡就有15種零部件需要補全。

波及的不只是CPU和GPU

要知道這些短缺問題影響的不只是CPU和GPU芯片，還有不少零部件當時都處于全球缺貨最糟糕的狀態(tài)，比如穩(wěn)壓器、晶振和功率模塊。為了確保能在2021年交付，慧與不得不每周甚至每天打給次級供應(yīng)商，詢問交期的問題?；叟c和AMD還組了個15人的小團隊，他們唯一的工作就是尋找哪有Frontier所需的零部件，或是可以替代的部件，比如去和經(jīng)銷商協(xié)調(diào)，詢問分銷商的庫存，或是找其他同樣由于芯片短缺而無法出貨的公司，詢問他們是否愿意出手現(xiàn)在已有的零部件。

正是因為在這樣的努力下，F(xiàn)rontier終于在去年7月將缺失的167種零部件減少至了1種，而這依然缺失的一種，就是用于打造慧與Slingshot 11互聯(lián)交換機刀片的晶振，它們已有的晶振只能滿足63臺機柜的需求，還差8000多個晶振才能完成剩下11臺機柜的交付。而這時候恰好又是東南亞地區(qū)疫情肆虐，愛普生等廠商的晶振工廠停工的時期，而這類智能NIC又需要超低噪聲的高性能晶振。接著他們又花了3周時間才找齊這些晶振，這才在10月完成了最后一個機柜的交付。

但即便完成了交付，相關(guān)的工作并沒有結(jié)束，超算并不像大家平日里動手組裝的電腦一樣，一旦安裝完畢就能跑出應(yīng)有的性能。恰恰相反，超算系統(tǒng)所有部件到位后，還要經(jīng)歷密集的測試、優(yōu)化和維護工作，于是Frontier的研究人員白天就在更新軟件優(yōu)化系統(tǒng)，晚上就讓Frontier跑HPL之類的性能測試，最終趕在TOP500 6月榜單結(jié)束測試結(jié)果收集前，提交了一次成功的E級跑分。

結(jié)語

其實完成這么緊湊的部署安排對Frontier并不容易，固然慧與和AMD有應(yīng)對供應(yīng)鏈管理方面的經(jīng)驗，但與此同時，和Frontier幾乎同樣配置只是規(guī)模不同的歐洲超算LUMI也面臨著缺貨的困境，所以這兩家公司幾乎是承擔著雙線交付任務(wù)。但好在去年下半年供應(yīng)開始緩解之后，兩臺超算的任務(wù)也都最終完成了。

此外，這兩年經(jīng)歷的供應(yīng)鏈噩夢想必也影響到了其他的超算部署，就拿國內(nèi)的兩臺E級超算來說，目前都只是單機柜的測試系統(tǒng)的消息時有傳出，并沒有正式公開完整系統(tǒng)的性能參數(shù)，或多或少也是被供應(yīng)問題拖慢了進度，否則這個風頭不可能不出來搶的。畢竟在硬件迭代如此迅速的背景下，像天河二號過去那樣連續(xù)穩(wěn)坐榜首數(shù)年的情況已經(jīng)很難復(fù)現(xiàn)了，但首個E級超算的稱號可是無論多少年后都搶不走的。