超级计算机榜单或面临洗牌 TOP500新规解析

  走上邪路的超级计算机

  如果用修路来比喻这种变化的话。不妨干脆就全用交通情况来描述超级计算机。在北京的居民吐槽最多的是西直门立交桥和四元桥立交桥，至今如此。这两座立交桥看似科学的分流的体系只在理论上行得通，实际使用中有的通道空闲有的通道拥堵，车辆根据方向类型各行其道的理想设计并没有实现。异构计算也存在这样的问题，有的通路(CPU)依然长期满载，有的通路(GPU)长期空闲。原因有很多，比如司机(程序员)不熟悉道路规则，比如道路方向与高峰车流方向不完全兼容，比如容易迷路等等。

  超级计算机的架构演变就是这样一种情景。早期的超算就如同普通主干道。可能有不同速度、不同类型、不同去向的车辆通过，但是我们都只有一种主干道。通行的效率就取决于主干道的最低限速和道路数量，是一条还是十条还是五十条。尽管有时候只是少量汽车通行。但只要一股脑的把车辆引导到道路上快速通过，车辆本身通行都是没什么障碍的。

四元桥首都机场方向双向拥堵而多条道路仍然闲置

  但这种方法可能进化的速度不够快，而且没有那么多空间来建设主干道，面对不断复杂的通行需求，设计师便开始另辟蹊径。经过观察，设计师们发现了规律，将车辆按照去向、大小、速度等特征进行归类。于是专门进行了定制化设计，在保留主干道的基础上引入立体交通对车辆分流，又产生了大量的大货车专用道、小货车专用道、自行车专用道等等的辅助道路。但立交桥的通行又都需要专门的调度来完成，如果调度不好，可能会造成拥堵，可能会没有被使用。总之在理想情况下的通行速度会变快，但是在实际使用中要面对很复杂的情况，比如要对车辆类型和去向要做区分和引导，要及时监控路况等等。

  当道路的类型不止一种，并且对车辆的调度也变得非常复杂之后，Linpack依然我行我素，将所有道路的最理想运力统计出来，呈现在我们面前，并以此作为依据列出排行榜，成为设计水平好坏的依据。久而久之，道路设计师发现像上面那样开拓各种专线道路比大规模铺设主干道更省事，而且同样能够大大提高Linpack统计分数。在这种现状的驱动下，设计师开始用各种方法疯狂的增大运输能力理论值而不考虑是否实用，导致道路的理论运输能力与实际运力开始脱节。同样，在超算的发展规划上，如今已经被Linpack成绩引导走上了一条邪路，那就是只估算理想情况该如何，却越来越少考虑实际情况。

  我们可以针对不同的道路设立不同的行走规则，规定每种车只能从指定的道路走。但如果司机不能迅速理解规则并遵照规则执行，导致调度之后还不如直接一股脑让车从主干道走过去快，那立体交通的设计就都变得得不偿失了。在当今的信息学上，对这种现象也已经有了比较深入的研究。信息学研究的重点就在于如何能够让规则变得简单，规则简单那么整个道路系统的通行效率就高。描述规则复杂度的单位叫做信息熵，由信息论之父克劳德·艾尔伍德·香农（Claude Elwood Shannon，1916-2001）提出，在本页以交通做的举例中，有效调度全部资源的一个底线就是调度的信息熵要小于或者等于不调度的信息熵，否则说明调度之后更浪费时间，还不如全老老实实排队从主干道上走。

  本文推荐相关阅读：

  《理性解析主流协处理器：百倍效能从何处来》
  《运算能力并非绝对优势 Intel XEON Phi解析》