清华大学：夺冠ASC背后的选择

ZDNet至顶网服务器频道 06月05日 评论分析（文/王涛）： 在首届ASC（Asia Student Supercomputer challenge）亚洲大学生超级计算机竞赛总决赛上，经过5天的激烈角逐，来自中国大陆的清华大学代表队力挫群雄，一举摘得决赛总冠军，同时获得最高计算性能单项奖。

可能很少人知道，此次清华大学出征ASC大赛的成员是六位本科学生，作为还身在象牙塔的学子，是什么让这六个年轻人走到一起组成一个团队？他们在收获成功喜悦的同时背后又经历了怎样的艰辛？对此ZDNet记者走进了清华大学，倾听了这群年轻人收获的喜悦和心得。

在ASC大赛上夺得决赛总冠军的清华大学队员

竞赛规则下的最佳选择

按照ASC13大赛的规则，每个参赛队伍搭建的系统功耗约束在3000瓦以内，主办方提供的硬件平台包括基于最新Intel至强E5-2600处理器的浪潮主力服务器NF5280 M3，以及NVIDIA最新的GPU Tesla K20和Intel刚发布的MIC众核加速卡，浪潮NF5280 M3通过转接卡方式可以支持2块加速器。

“3000瓦的功耗是最高约束，因此系统必须在3000瓦以下运行。”ASC13清华大学队教练黄小猛老师如是说，当时为了拿到更好的成绩，在一定的功耗限制下，采用怎样的架构配置是摆在队员面前的一个问题。

ASC13清华大学队教练黄小猛

ASC13清华大学队队长徐持衡告诉记者，在比赛过程中，采用怎样的方案和平台，以及怎样进行优化，大家的想法都不一样，“一路下来大家都是会有讨论会有争执，正是在一个激烈的争论中我们才有了提升，最后才能明确到底哪个方案好，哪个方案不好，我觉得这个是必要的。”回顾当初确定方案的过程，徐持衡这样说道。

最终，清华大学选择了CPU+GPU混合集群，而且采用了每台服务器搭配两块GPU加速卡的做法，在3000瓦的功率规则下，很好地解决了性能和能耗平衡问题，并最终夺冠，值得一提的是，NVIDIA Tesla K20在功耗不变的情况下，性能提升3倍有余。

除了在大会主办方指定的应用中采用了MIC，清华大学在其他的应用中采用了GPU。清华大学队员金昊衠坦言，起初清华大学也尝试过使用MIC来进行计算加速，但相对于GPU，MIC的应用还不太成熟。

尽管基于MIC的编程要更容易，跟GPU的编程模式也不太一样，但是在后期的调优过程中，清华大学遇到了一些问题，导致效率上不去，达不到必胜的效率，此外，MIC卡是3000瓦的被动散热，一旦温度过高后，就会限频，但在温度降下来之后，频率也无法恢复到原来那么高，会比原来慢一些。

“从比赛的角度来看，当时为了拿到更好的成绩，综合考虑了所有的方案和技术，采用GPU是最好的选择，会保证得到最好的分数。”黄小猛老师说道。

GPU有更广阔的未来

对很多高校而言，并行计算还是一个新的学科，学校开设的课程不算太多，具备相关经验和专业技能的学生自然也少，在回顾当初挑选这些参赛队员时，ASC13清华大学队教练黄晓猛老师坦言，看重的是这些学生良好的编程能力。

“只有一部分本科生开过并行计算的基础课，坦白讲在加入参赛队伍之前大家都没有相关的基础，但是他们都有很好的编程能力，大部分清华计算机专业的学生都具备丰富和强悍的编程能力，接下来他们需要训练的是理解整个比赛的规则，理解并行计算，怎样做并行调用和串行。”黄晓猛老师进一步补充道。对于清华大学计算机专业的本科学生而言，四年累积10万行的编程代码是平均的水准，黄小猛老师笑言，其中有些学生从初一、初二就开始接触编程。

除了具备良好的编程基础，清华大学很早就开设了CUDA编程课程普及GPU计算，从而培养了学生并行计算的思维能力，以及采用GPU架构解决复杂计算问题的能力，其中参加ASC13大赛的清华大学队中有两名成员接受过CUDA培训。

“英伟达的CUDA中心就设在我们的实验室，我们已经和英伟达采用了合作培养方式。”黄小猛老师介绍：“课程分为三个主要的内容，分别是并行计算、GPU、FPG，在针对研究生的考试中，电子系也开设了一门课，此外，计算机系也开了这门课，来跟学生普及未来可能遇到的知识。”

在人才的培养上，可以说清华大学在不遗余力的在向前推进。同时黄小猛老师也透露，在英伟达工程师的帮助下，清华大学能够获得最新的技术和最新的GPU产品，在应用领域的形成合作，让学生在这个过程中进行学习。

回顾整个GPU生态系统的发展，黄小猛老师认为“一年比一年好”，“尽管还有太多的问题，但是所有的东西都在进步，我们对未来很乐观，也期待在未来5-10年，GPU完全进入所有高性能计算机产业。”黄小猛老师说道。

正是凭借在ASC大赛上的优异表现，清华大学获得了角逐ISC13国际大学生超算大赛的入场券，就在这个月，黄小猛老师将带领自己的队伍奔赴德国参加比赛，我们在期待清华大学取得好成绩的同时，也更加有理由相信，GPU在加速高性能计算中将受到更广泛的应用。