这是本文档旧的修订版!
计算机的多核心CPU,例如64核,就相当于有64个人。主频高,表示单人的办事能力高,但可能不同品牌的CPU,评价机制不一样。
比如提交了3个A软件的作业,每个作业使用16核;然后B软件提交3个作业,每个作业使用16核。相当于64个人要干16*3+16*3=96件事,CPU的核心只能在不同事情之间来回切换,效率当然受影响!
如果计算机只有64核,但是提交的作业,所需的核数超过了64,那么CPU就只能在不同的作业间暂停、切换,从而导致效率低下!
一般计算,都最好留一个空闲核心,用于系统本身正常工作,例如打开桌面,打开文件夹,阅读文件,打开网页等等。所有核心都被占据,必然导致电脑非常卡!请有此常识!
打扫一个教室,可能1个人半小时打扫完毕,4个人可能几分钟完成。但是要求一千个人来打扫这件教室,会更快吗?你需要先开个大会,交代清楚每个人何时做何种事情,然后是嘈杂的互相交流信息、等待其他人完工轮到自己……整个过程做完,可能半天就过去了。笼统的比喻来说,沟通的这个过程,就是节点间通信,大部分时间消耗在这里了。通信更高效,能一定程度上提高效率,尤其是调用核数较多时。
总的来说,效率随核心数增加,一般呈现先增高,后降低的趋势。小的作业,效率最高点的核心数较小,大型作业效率最高点的核心数较大。故意把作业搞大,以增大核数,这是不可能提高效率的。
因此,对于ReaxFF来说,如果有充分的计算资源,那么提高研究效率绝不是靠一个作业使用特别多核心数,而是可以同时调整多种参数方案,提交多个作业,实践、测试多种方案!
对DFT而言,几十个原子就是比较大的作业,而且精度越高,作业越大。对力场而言,一般几千原子属于较小体系。对ReaxFF而言,一般每1000原子用1个核心就可以了,2个核心效率略有提升。
ReaxFF这种分子动力学计算,对CPU需求并不太大,但是体系越大,使用核数越多,内存的需求越大,而DFT计算一般是CPU和内存都会高占据。
一般对于工作站、台式机、笔记本,这种影响可以忽略。对于集群,文件夹所在的硬盘分为两种类型:
软件在计算的过程中,会有大量的临时文件的读、写过程,如果这个过程,是发生在第二种区域,那么很显然就会大大拖慢计算速度。因此一般临时文件非常不建议存到这种区域里面。一般/tmp文件夹属于第一种,但是就需要集群管理员,设置一些自动定期清理/tmp文件的功能,避免/tmp堆满文件。
另外,硬盘本身的转速也会影响计算效率,因此临时文件读写区域,一般建议放在具有高速读写能力的那块硬盘上。
一般不影响。因为计算开始,程序被读入本地内存,在CPU中执行,跟硬盘位置就没有太大关系了。
很多用户对内存够不够没有概念。在AMS的*.out文件中,往往会给出该作业需要消耗内存的估算,例如:
Parallel Execution: Process Information ============================================================================== Rank Node Name NodeID MyNodeRank NodeMaster 0 ibnode35 0 0 0 1 ibnode35 0 1 -1 2 ibnode35 0 2 -1 3 ibnode35 0 3 -1 4 ibnode35 0 4 -1 5 ibnode35 0 5 -1 6 ibnode35 0 6 -1 7 ibnode35 0 7 -1 8 ibnode35 0 8 -1 9 ibnode35 0 9 -1 10 ibnode35 1 0 1 11 ibnode35 1 1 -1 12 ibnode35 1 2 -1 13 ibnode35 1 3 -1 14 ibnode35 1 4 -1 15 ibnode35 1 5 -1 16 ibnode35 1 6 -1 17 ibnode35 1 7 -1 18 ibnode35 1 8 -1 19 ibnode35 1 9 -1 20 ibnode35 2 0 2 21 ibnode35 2 1 -1 22 ibnode35 2 2 -1 23 ibnode35 2 3 -1 24 ibnode35 2 4 -1 25 ibnode35 2 5 -1 26 ibnode35 2 6 -1 27 ibnode35 2 7 -1 28 ibnode35 2 8 -1 29 ibnode35 2 9 -1 30 ibnode35 3 0 3 31 ibnode35 3 1 -1 32 ibnode35 3 2 -1 33 ibnode35 3 3 -1 34 ibnode35 3 4 -1 35 ibnode35 3 5 -1 36 ibnode35 3 6 -1 37 ibnode35 3 7 -1 38 ibnode35 3 8 -1 39 ibnode35 3 9 -1 ============================================================================== May use up to 62478MB of RAM as shared memory on node 0 May use up to 62500MB of RAM as shared memory on node 1 May use up to 62500MB of RAM as shared memory on node 2 May use up to 62500MB of RAM as shared memory on node 3
这个机器有 4 个逻辑 CPU,单单这 1 个作业消耗的内存,估算是大约 62478+62500+62500+62500 = 249978 MB = 约239G,这仅仅是程序在运行前的粗略估算。如果您的计算机有512G内存,同时运行这样规模的作业2个的话,就很悬。有可能会出现Exit Code: 7的报错(系统运行本身也会消耗一定的内存)。