BitScope propose un supercalculateur composé de 750 cartes Raspberry Pi 3

La société BitScope Design annonce la mise en vente sur le marché d’un supercalculateur composé de 750 cartes Raspberry Pi 3 à un prix de base de 18000$. Les performances de calcul ne seront pas au rendez vous mais qu’importe, le sujet est ailleurs.

Programmeurs et scientifiques de tous poils ont souvent du mal à obtenir du temps de calcul sur des supercalculateurs. Ces machines sont relativement rares, très demandées et extrêmement coûteuses à l’achat comme à l’entretien. Pour  vous donner une idée: Vous avez plus de chance d’obtenir une IRM aux urgences pour une forte migraine que de vous voir accorder 24 heures de calcul sur un supercalculateur quand vous êtes étudiant en sciences. Bitscope semble avoir trouvé une alternative.

35d39b6dd3683ac60c6c5437993b50ee6aef3dd6-cooling

La salle où l’on installe Trinity, un supercalculateur « classique »

Le supercalculateur Pi de la société Australienne Bitscope, c’est le modèle réduit d’un gros Supercalculateur pratique. Pas un jouet, un vrai modèle réduit. Comme ces maquettes miniatures qui reprennent fidèlement tous les détails d’une locomotive à vapeur existante. Même si elles ne  mesurent que 80 cm de haut on peut rouler avec, charger du charbon et de l’eau et même cracher de la vapeur en faisant tut tut.

1f154335f66e56f761c2f44b12e1dcd5e509a9cb-trinity

Le montage de Trinity

Ce « modèle réduit » de supercalculateur a une certaine puissance de calcul, il est composé de 750 cartes Raspberry Pi modifiées et montées en clusters. Il a été construit avec l’aide du Los Alamos National Laboratory qui possède lui même un supercalculateur baptisé Trinity composé de centaines de processeurs Intel Xeon Phi et qui à coûté la bagatelle de 200 millions de dollars.

2017-11-29 12_07_47-minimachines.net

Le supercalculateur une fois opérationnel.

Un engin un poil encombrant, un poil bruyant et difficile à placer dans un laboratoire d’université. Pour faire des calculs, la solution sous Raspberry Pi ne sera évidemment pas au niveau, mais pour des tâches plus basiques ce sera bien suffisant.

L’idée de Bitscope et du Los Alamos National Laboratory’s High Performance Computing Division est de rendre l’architecture de ces supercalculateurs plus accessible. Car le problème d’un travail théorique pour un supercalculateur, par exemple un programme créé par des étudiants à exécuter sur ces machines est de trouver du temps de calcul. Imaginez les, après des mois de lutte acharnée pour décrocher 24 heures d’accès à un supercalculateur classique, face à un bug dans leur code. Une boulette basique qui empêche leur programme de tourner et ainsi gâcher de précieuses heures de calcul sur la structure.

2017-11-29 12_04_21-minimachines.net

Avec le supercalculateur de Bitscope , l’architecture complexe de ce type de machine est semblable à celle des grosses structures. On pourra monter son programme de la même façon, mettre en place son environnement de travail et même lancer son calcul. La solution mettra des jours à calculer ce que la machine à 200 millions de dollars mettra des heures à effectuer mais au moins on sera sur de la validité de son code. A un prix situé entre 18 et 20 000$ pièce, l’engin est donc une maquette et un environnement de travail parfait pour mettre en place ses calculs et être sur les starting-blocks le jour J où l’on a un accès à une machine hyper coûteuse.

3907affcb4c3072c5fbe31daa57950a90473a667-cluster-pack

Le « Mini » supercalculateur de Bitscope est donc composé de 5 clusters montés en rack comportant chacun 150 Raspberri Pi 3 reliée ensemble en réseau. Ce total de 750 SoC ARM Broadcom BCM2837 composés chacun de quatre coeurs Cortex-A53 cadencés à 1.2 GHz. 750 multipliés par 4 cela donne un total de 3000 coeurs disponibles.

680af3a086eb817dd8d32938b8b89dd03e4957a3-cluster-module

L’ensemble consomme environ 1000 watts en veille, 2000 watts en usage classique et au maximum 4000 watts. Pour vous donner une idée, un supercalculateur classique annonce une facture qui se compte en Megawatts.

2017-11-29 12_15_49-minimachines.net

Avec cette architecture similaire et ce prix « abordable », plusieurs laboratoires pourront s’équiper de cette maquette pour peaufiner et optimiser leur code avant de l’envoyer vers une machine qui effectuera réellement les calculs. L’ensemble peut même se déplacer en ne transportant qu’un seul rack par exemple.

Pour plus d’informations : bitscope.com


Soutenez Minimachines avec un don mensuel : C'est la solution la plus souple et la plus intéressante pour moi. Vous pouvez participer via un abonnement mensuel en cliquant sur un lien ci dessous.
2,5€ par mois 5€ par mois 10€ par mois Le montant de votre choix

Gérez votre abonnement

18 commentaires sur ce sujet.
  • 29 novembre 2017 - 13 h 53 min

    quel nom de mauvais goût « maintenant nous sommes tous des fils de putes » :D

    Répondre
  • 29 novembre 2017 - 13 h 55 min

    au faite, j’ai pas vu de mention sur la puissance de calculs, même si le sujet n’est pas là l’info reste pertinente

    Répondre
  • to
    29 novembre 2017 - 14 h 12 min

    Le probleme des super calculateurs c’est surtout la centrale electrique qu’il faut installer a coté. Et la dissipation thermique. La on peut imaginer repartir des bitscope sur different sites puis les clusteriser au besoin ?

    Répondre
  • 29 novembre 2017 - 14 h 17 min

    Great … pour moi qui fait du calcul scientifique l’idée est excellente. Se familiariser aux outils, méthodes, codes sur du calcul HPC à peu de frais c’est énorme :-)

    Répondre
  • gUI
    29 novembre 2017 - 14 h 21 min

    Ouf, j’ai eu peur qu’on parle puissance de calcul avec des RPi :) Même avec 750, ça reste ridicule ciomparé à un bon gros servuer qui coûtera 3 ou 4x moins.

    Mais c’est une excellente idée pour la mise au point en effet : 750 calculateurs en parallèle, c’est pas tous les jours qu’on peut avoir accès à ça.

    Répondre
  • ted
    29 novembre 2017 - 14 h 34 min

    @gUI la puissance de calcul d’un RPI n’est pas si nul que ça. Surtout qu’en général pour du HPC on parle de puissance / sur la consommation electrique (serveur + refroidissement) et l’ARM est plutôt bon la dessus.

    Ce qui n’est pas expliqué c’est que ce genre de cluster à 750 noeuds RPi, doit couter moins cher que 750 VM chez Amazon par ex, et ça c’est fort. Parce que bon simuler un cluster HPC en VM c’est faiseable. On est ici en plein dans la physicalisation (l’inverse de la virtualisation). Après pas sûr que ça dure, la tendance est le cluster HPC à la demande (et en ligne).

    Répondre
  • 29 novembre 2017 - 15 h 48 min

    Un cluster, c’est aussi (et surtout ?) un réseau à très haut débit et très faible latence (genre Infiniband ou Omnipath). Le Raspberry, avec son pseudo 100 Mbits/s en USB… :)
    Suivant les algorithmes qu’on fait tourner dessus, le réseau peut ou non être prépondérant sur la puissance de calcul, surtout qu’avec des noeuds à 1Go de RAM, il va falloir *vraiment* découper le problème à traiter en *beaucoup* de petits morceaux.
    Le réseau est de toute façon nécessaire pour lancer les tâches et partager les données, au moins avant le démarrage.
    Mais bon c’est rigolo, j’aime ça :).

    Répondre
  • Cid
    29 novembre 2017 - 16 h 44 min

    Plus qu’a adapter Recalbox pour émuler la PS4 pro :)

    Répondre
  • 29 novembre 2017 - 16 h 44 min

    Je rejoins certains posts, c’est useless pour un étudiant qui veut lancer des calculs… enfin de résultats !

    Déjà (sauf un étudiant en 1ère année de licence… qui lui n’a pas de réel besoin) ils ont accès à des calculateurs si ils veulent… il n’y à pas que Big blue dans la vie !
    dans mon institut il y à déjà 4 clusters (3 pour des équipes qui possèdent de nombreux besoin et 1 mutualiser pour les autres).
    Avons aussi une plateforme de bioinfo bien équipé et le supercalcutateur de la fac !

    Ensuite si l’on veut tester un algorithme, on le test sur un calculateur (gros I7 ou Xeon U1) afin de debbuger… mais débbuger sur un ARM pour ensuite lancer sur x86… :D
    et surtout comme dit au dessus les goulots d’étranglement reseau+RAM… :/

    Par contre pour apprendre à des étudiants à monter et gérer un cluster : parfait, mais cela restera un jouet où l’on aura bcp de mal à s’assoire dessus ;)
    avec le retour d’AMD dans la course, nous allons pouvoir rénover le cluster commun qui commence à souffrir, le dernier nous ayant coûté les 2 reins (enfin à base de E7-8880 v3 aussi… :D ).

    J’ai une connaissance impliqué dans ce genre de projet :
    https://bioinfo-fr.net/assembler-un-genome-sur-un-raspberry-pi
    comme quoi c’est possible, mais cela doit être spécifique à l’architecture de nos p’tit Pi ;)

    Répondre
  • 29 novembre 2017 - 17 h 57 min

    Le probleme n’est pas vraiment la vitesse de calcul de chaque Pi.
    Le plus gros probleme est la RAM, qui va beaucoup limiter la taille des problemes que chaque Pi peut resoudre.

    Répondre
  • 29 novembre 2017 - 19 h 19 min

    […] billet comme celui-ci sur le Black Friday, celui sur les batteries au graphène ou celui sur le cluster de cartes Raspberry Pi publiés ce matin, ne rapportent pas d’argent au site. Pas de pub, pas d’affiliation et […]

  • 29 novembre 2017 - 19 h 31 min

    Je trouve ça un peu ridicule tout ce déploiement d’ordinateurs obsolètes… Sachant que les ordinateurs quantiques seront bientôt commercialisés au grand public. ;)

    Répondre
  • 29 novembre 2017 - 21 h 56 min

    Un “Mini” supercalculateur + une prise dédiée de 20A, et hop, à moi les joies débug en direct ;-)
    A quand un mini-mineur de BitCoins sur le même principe ?

    Répondre
  • 30 novembre 2017 - 9 h 56 min

    @IvanP.:
    Pour faire tourner des codes Monte Carlo, très gourmand en temps de calcul, c’est parfait car on calcul justement plein d’histoire indépendantes les une des autres ;) (Los Alamos créé certains code de référence de ce type)

    Par contre je comprend pas pourquoi ils utilisent es Rpi B et non pas des Rpi Zero comme PiZero Cluster, quelqu’un aurait une idée?

    Répondre
  • 30 novembre 2017 - 13 h 55 min

    @S711: Si je ne dis pas de bêtises, il me semble que le pi 0 a encore moins de RAM (512Mo) et pas d’Ethernet… alors tous ces noeuds sur un wifi :/

    Répondre
  • Ted
    4 décembre 2017 - 14 h 37 min

    Le plus gros frein pour le debug avec ce genre de cluster c’est clairement le changement d’architecture. Donc bon leur cible est raté (ou je suis trop axé cluster scientifique, peut-être pour du deepL à limite)

    Répondre
  • 4 décembre 2017 - 21 h 46 min

    @peper-eliot: retourne dans les bons plans d’il y a 1 ou 2 semaines, Pierre en a proposé un ;)

    Répondre
  • 18 septembre 2019 - 13 h 01 min

    […] est étrange et peu habituel1, cette armoire massive de mini cartes de développement embarque un nombre inhabituel de cartes. On […]

  • LAISSER UN COMMENTAIRE

    *

    *