【算力网络】算力知识

一、算力概念

算力是服务器通过对数据进行处理后实现结果输出的一种能力。 在服务器主板上,数据传输的顺序依次为 CPU、内存、硬盘和网卡,若针对图形则需要 GPU。

在计算机系统的发展过程中,曾经提出过多种方法表示计算能力,目前为止使用最广泛的是“浮点运算 次数表示法 ”。

“浮点运算次数表示法”(FLOPS)利用科学计数法来表达,包含 3 种常见类型。

(1)双精度浮点数(FP64):采用 64 位二进制来表达一个数字,常用于处理的数字范围大而且需要精确计算的科学计算。

(2)单精度浮点数(FP32):采用 32 位二进制来表达一个数字,常用于多媒体和图形处理计算。

(3)半精度浮点数(FP16):采用 16 位二进制来表达一个数字,适合在深度学习中应用。

(FLOPS)单位：

一个KFLOPS（megaFLOPS）= 每秒一仟（=10^3）次的浮点运算，

一个MFLOPS（megaFLOPS）= 每秒一佰万（=10^6）次的浮点运算，
一个GFLOPS（gigaFLOPS）= 每秒拾亿（=10^9）次的浮点运算，
一个TFLOPS（teraFLOPS） = 每秒万亿（=10^12）次的浮点运算，
一个PFLOPS（petaFLOPS）= 每秒千万亿（=10^15）次的浮点运算，
一个EFLOPS（exaFLOPS）= 每秒百亿亿（=10^18）次的浮点运算
一个ZFLOPS（zettaFLOPS）= 每秒十万京（=10^21）次的浮点运算。

二、算力中心

算力中心有多种，大致可分为数据中心、超算中心、智算中心

数据中心在互联网、金融企业中常用到，用于处理数据密集、通讯密集的事务性任务。

超算中心更偏重于科学计算等计算密集型的任务。一般指国家超级计算深圳中心。截至2021年，科技部批准建立的国家超级计算中心共有九所，分别是国家超级计算天津中心、国家超级计算广州中心、国家超级计算深圳中心、国家超级计算长沙中心、国家超级计算济南中心、国家超级计算无锡中心、国家超级计算郑州中心、国家超级计算昆山中心、国家超级计算成都中心。

智算中心以融合架构计算系统为平台，以数据为资源，能够以强大算力驱动AI模型对数据进行深度加工，源源不断产生各种智慧计算服务，并通过网络以云服务形式供应给组织及个人。

三、算力评估

（一）超算算力评估

在超算性能评价方面,普遍用计算速度,即浮点运算速度(FLOPS)来衡量超算的算力性能。 国际知名排行榜 TOP 500,主要以超算系统运行 LINPACK 基准测 试所能达到的最高性能对 500 个超算系统进行排名, TOP 500 排行榜每年 6 月和 11 月更新一次。

（二）数据中心算力评估

数据中心算力由数据处理能力、数据存储能力和 数据流通能力 3 项指标决定。 其中,数据处理能力又 可以区分为以 CPU 为代表的通用计算能力和以 GPU 为代表的高性能计算能力。 综上,数据中心算力指标包含 4 大核心要素,即通用计算能力、高性能计算能力、存储能力、网络能力。

数据中心算力(Computational Power,CP) 的模型 如下。

CP = f(通用算力,高性能算力,存储能力,网络能力)

1.通用计算能力

CPU 作为通用处理器, 偏重支持控制流数据。CPU 的芯片分为多种架构,主要包含 x86、ARM 等。

通用算力= ∑ (某型号 CPU 服务器存数 × 该型号服务器 CPU 算力)

CPU 算力核数 X单核主频 X CPU单个周期浮点计算值

2.高性能计算能力

• 全球人工智能的计算力主要是以 GPU 芯片为主,GPU 能够提供强大而高效的并行计算能力。
• FPGA,现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA),作为一种高性能、低功耗的可编程芯 片,可以根据客户定制来做针对性的算法设计。
• ASIC,特殊应用专用集成电路 ( Application Specific Integrated Circuit,ASIC) 是为了某种特定的需求而专门定制的芯片。

高性能算力 =∑ (某型号 GPU 服务器存数 × 该型 号服务器 GPU 算力)

3.存储能力

数据存储能力由存储容量、存 储性能、存储安全三方面共同决定。

4.网络能力

网络起着承上启下的作用,将计算和存储资源连接在一起,并以服务的形式对内部及外部提供数据访问能力。

数据中心算效 ( Computational Efficiency,CE)为数据中心算力与 IT 设备功耗的比值,即 “ 数据中心每瓦功耗所产生的算力” ( 单 位: FLOPS/ W),这是同时考虑数据中心计算性能与功耗 的一种效率,其计算公式如下:

（三）智算中心算力评估

智能计算的算力单位一般会采用“OPS”即每秒操作次数为算力单位，智能计算的性能结果(单位OPS)通常是基于半精度及整型运算测试(AI基准)得到的。