多个应用在KNL获性能飞升，浪潮英特尔KEEP计划有料

美国盐湖城时间11月16日，浪潮集团在此举行的2016全球超级计算大会（SC16）上公布了KEEP计划最新进展及部分应用情况报告。KEEP计划（Knights Landing Evaluation and Escalation Program）是由浪潮与英特尔在今年6月份共同启动的基于英特尔新一代众核处理器Knights Landing（KNL）的试用体验计划。

KEEP发布现场

根据KEEP计划，浪潮与英特尔共同联合建立基于全新KNL技术的、开放的高性能计算系统，首期建设超过200TFlops计算能力的KNL测试系统，后续目标扩容到超过700TFlops，帮助更多高性能计算和深度学习用户在KNL上完成应用测试、迁移及优化。

浪潮集团副总裁胡雷钧现场讲解

据现场发布会的介绍，许多来自不同领域的用户已深度参与到KEEP计划中，既涉及海洋模拟、计算流体力学、天文数据处理、石油勘探等传统高性能计算领域，也涉及高性能和大数据结合的HPDA和智能计算等新兴领域。

英特尔数据中心事业部企业和政府业务部高级总监Joseph Curley

在高性能计算应用方面，西北工业大学在Keep  KNL集群上运行Lattice-Boltzmann方法的大涡模拟（LBM-LES），在两维2048×2048的网格上，迭代10000步单个KNL节点耗时23.48秒，性能相当于双路E5-2680 v4 CPU节点的2.3倍。Lattice-Boltzmann方法假设流体由大量的粒子构成，LBM-LES模拟了粒子在格子中不断传播和碰撞的过程，被广泛的应用在航空航天、工业设计等领域。

在大数据应用领域，复旦大学测试了其承担的全球最大天文望远镜项目SKA（平方公里阵列望远镜）的科学数据处理（Scientific Data Processing，SDP）程序。基于Spark执行框架、运用Scala语言编写的SDP数据处理测试程序共启动了5393个并行任务，涉及到大量的排序和混洗操作。复旦大学用了不到2天的时间就完成了执行框架在KEEP KNL集群上的环境搭建，包括Spark、Hadoop以及大量基于python的射电天文计算库的安装。核心执行框架在KNL集群上的运行时间是12分30秒，是同规模CPU节点集群性能的6倍。

在智能计算方面，河北工业大学的Bin Cao团队在Keep KNL集群上处理了DPCCMOEA的16个测试问题，每个问题1000维且测试一次，每个问题目标数为3，在两个 KNL节点上用时4208.89s，性能是 2节点双路E5-2680 v4 CPU节点的2.25倍。DPCCMOEA是分布式并行合作协同进化多目标优化算法的简称，该算法可用于解决大数据挖掘、工业化和网络问题中的多目标优化问题，如产品的自动设计、汽车发动机设计中的优化问题。

众多的Keep计划用户应用体验表明，KNL不仅目前最强大的众核计算处理器，同时还兼备良好的编程易用性，从CPU到KNL平台的代码非常平滑容易，只需编译即可在KNL上运行，上述所有应用都在一周时间内完成所有编译、编译器级的优化和最终运行测试工作，在未涉及到代码级深度优化的情况下，初步性能就已经基本达到双路E5-2680V4 CPU的2倍以上或更高，如果针对KNL架构特点和应用算法进行代码级深度优化，性能提升空间将更大。

 KNL将对高性能计算应用、深度学习、智能计算、大数据应用起到强有力的性能提升，而未来越来越多的应用将可采用KNL方案进行性能提速。KEEP计划积累的大量详实、可靠的HPC应用优化经验，无疑将有助于加速推进KNL的广泛应用和普及。