Avec trois nouveaux produits disponibles tout de suite ou à très court terme, NVIDIA ouvre les portes du HPC à de nouveaux utilisateurs. Preuves s’il en était besoin que le calcul intensif sort des laboratoires, ces trois déclinaisons de l’accélération GPU préfigurent ce que sera l’informatique généraliste de demain.

GRID VCA : le serveur HPC “plug and play”

C’est peut-être le produit le plus innovant en termes d’usages pour le public HPC. Imaginez, comme nous le décrivions dans la section précédente, un serveur HPC prêt à l’emploi équipé au choix de 8 ou 16 GPU Kepler. Une fois celui-ci raccordé au réseau, il offre un environnement d’exécution HPC à tous les terminaux de ce même réseau, quel que soit leur nature, pourvu qu’ils soient dotés du petit client ad hoc.

Pour le démontrer, Jen-Hsun Huang a lancé devant nos yeux, à partir d’un portable MacBook, une session exécutant simultanément 3D Studio Max, Adobe Premiere (avec un film en 4K, s’il vous plait !) et SolidWorks de Dassault Systèmes. Non seulement l’ensemble était d’une fluidité remarquable mais, faut-il le rappeler, 3DS Max et SolidWorks ne fonctionnent pas nativement sur un Mac. Une seconde démonstration, réalisée à partir d’une tablette Android, visait à enfoncer le clou. Quel clou ? Celui du cloud privé, c’est-à-dire de la virtualisation des environnements de travail. Car concrètement, les terminaux ne font qu’envoyer des commandes et recevoir des trames de pixels par IP. Autrement dit, leur nature et leur configuration n’ont plus d’importance : tout le “dur” de l’infrastructure est centralisé dans le serveur. A cela deux conséquences. D’une part, l’administration, la sécurisation et la sauvegarde de l’infrastructure sont grandement facilitées. D’autre part, chaque utilisateur peut travailler au choix avec le terminal de l’entreprise ou le sien propre, d’où qu’il se trouve dans le monde. Le problème du BOYD (“Bring your own device“) trouve là une réponse définitive.

Rien là-dedans de très nouveau sous le soleil. Ce qui change, c’est que le concept est aujourd’hui suffisamment mûr pour que des OEM comme NVIDIA propose à l’achat des produits finis, plug and play et dotés de leur propre pile logicielle.

Dans le package, il n’y a d’ailleurs que cette partie soft qui soit véritablement inédite. Coté matériel, il s’agit d’un serveur Tyan FT77-B7059 doté d’un ou deux Xeons octo-cores et de 192 Go (version 8 x Kepler) ou 384 Go (version 16 x Kepler) de RAM. Le même que certains spécialistes tels que Carri Systems proposent déjà en configuration sur mesure.  En revanche, l’hyperviseur, les couches intermédiaires et le logiciel client sont bien d’origine NVIDIA. Compatible vmWare, Citrix et Microsoft, l’ensemble est par ailleurs certifié par de grands noms tels IBM, HP ou Dell, et bénéficie d’un support NVIDIA complet qui explique la licence annuelle de 2400 / 4800 $.

En pratique, GRID VCA cible donc les petits et moyens laboratoires de R&D en offrant des performances HPC et une qualité graphique de classe Quadro à 16 utilisateurs simultanés maximum par GRID. Lesquels GRID sont évidemment empilables. Attention toutefois, si le produit vous tente, à bien dimensionner son alimentation électrique – que vous l’installiez “à domicile” ou qu’il soit hébergé à distance. Chez bon nombre de prestataires, l’infrastructure n’est souvent pas prévue pour une telle densité de composants sur 4U. En examinant leurs d’offres, il apparaît que l’installation d’un ou deux GRID VCA pourrait nécessiter la location d’une armoire 42U entière…

GTX Titan : 50 % carte graphique, 50 % accélérateur HPC

Tout est dans son nom : un préfixe qui veut dire “Gaming” extrême et une référence au plus puissant supercalculateur de la planète. En résumé, pour la communauté HPC, GTX Titan signifie 1,3 Tflops DP à moins de 1000 euros. NVIDIA la présente d’ailleurs au chercheur comme une alternative immédiate et facile au cluster le plus proche, en promettant un gain en performances de 8X sur les applications CUDA par rapport à une station PC standard.

Car GTX Titan dispose de la fonction parallélisme dynamique qui permet au développeur de transférer sur le GPU l’ensemble de la charge de travail parallélisée, et donc de court-circuiter le goulet d’étranglement traditionnel que constituent les communications avec le CPU. L’idée est donc d’ouvrir la programmation CUDA de classe HPC au plus grand nombre, les accélérateurs Tesla gardant quant à eux le privilège de la production grâce notamment à leur mémoire ECC et à leur possibilités de communication directe avec les interface InfiniBand.

Techniquement, GTC Titan est bien un tour de force industriel, comme le soulignait Jen-Hsun Huang. A l’extérieur, on remarque son coffrage en aluminium qui forme une sorte de chambre de refroidissement passive. A l’intérieur, pas moins de 7 milliards de transistors (dont certains en technologie 3D) animent la bête, avec 2668 cœurs GPU, 6 Go de GDDR5 et un niveau de puissance qui, en simple précision, atteint tout de même 4,5 Tflops. Compatible SLI, GTX Titan pourra même être doublée voire triplée à l’intérieur du même PC pour offrir encore plus de “compute power” et des possibilités de visualisation étendues.

Kayla : un système HPC petit mais costaud

“Chérie, j’ai rétréci l’accélération GPU !”. On n’imagine pas le responsable du projet Kayla prononcer cette phrase éternelle, mais c’est pourtant bien ce dont il s’agit. Kayla, c’est un système complet, prêt à être intégré dans un boîtier, sur une carte mère de 16 x 16 cm environ. Au menu, un CPU (Tegra 3 dans cette version), 2 Go de RAM, un GPU de type Kepler doté lui-même de 1 Go de mémoire et un bus MXM ou PCIe au choix de l’intégrateur.

Idéal pour les applications HPC embarquées, l’ensemble offre au développeur CUDA deux SMX pour 384 cœurs et ne consomme que 10 W à plein régime. La compatibilité OpenGL 4.3 assure pour sa part des fonctions graphiques avancées comme la tesselation et les shaders de géométrie et de calcul.

Si elle est utilisable telle quelle tout de suite (ou en tout cas, dès sa commercialisation effective, dans quelques semaines), Kayla reste avant tout une première étape vers Logan, le premier SoC ARM compatible CUDA produit par NVIDIA. En offrant dès à présent une plateforme de travail CUDA sur ARM aux développeurs logiciels et matériels, NVIDIA tente en quelques sortes de sentir le marché et de préparer la venu de Logan, sur lequel l’entreprise compte énormément.