Ausführen von CFD-Simulationen

Batch
CycleCloud
Storage
Dynamics
GitHub

Diese Architektur veranschaulicht die Ausführung von Simulationen numerischer Strömungsmechaniken mithilfe von Azure. Erfahren Sie, wie Sie Cluster mithilfe von Azure CycleCloud erstellen, verwalten und optimieren.

Aufbau

Diagramm der Architektur eines Szenarios numerischer Strömungsmechaniken.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Workflow

Das obige Diagramm zeigt eine allgemeine Übersicht über einen typischen Hybridentwurf mit Auftragsüberwachung der On-Demand-Knoten in Azure:

  1. Stellen Sie eine Verbindung mit dem Azure CycleCloud-Server her, um den Cluster zu konfigurieren.
  2. Konfigurieren und erstellen Sie den Hauptknoten des Clusters mit RDMA-fähigen Computern für MPI.
  3. Fügen Sie den lokalen Hauptknoten hinzu, und konfigurieren Sie ihn.
  4. Wenn nicht genügend Ressourcen verfügbar sind, skaliert Azure CycleCloud die Azure-Computeressourcen hoch (oder herunter). Es kann ein Grenzwert vordefiniert werden, um eine Überlastung zu verhindern.
  5. Aufgaben werden den Ausführungsknoten zugeordnet.
  6. Daten werden in Azure vom lokalen NFS-Server zwischengespeichert.
  7. Daten werden aus dem Cache von Avere vFXT for Azure eingelesen.
  8. Die Auftrags- und Aufgabeninformationen werden mittels Relay an den Azure CycleCloud-Server weitergeleitet.

Komponenten

  • Azure CycleCloud ist ein Tool zum Erstellen, Verwalten, Ausführen und Optimieren von HPC- und Big Compute-Clustern in Azure.
  • Avere vFXT in Azure wird verwendet, um ein für die Cloud konzipiertes Dateisystem für Unternehmen bereitzustellen.
  • Azure Virtual Machines (VMs) wird verwendet, um einen statischen Satz von Compute-Instanzen zu erstellen.
  • VM-Skalierungsgruppen stellen eine Gruppe von identischen VMs bereit, die von Azure CycleCloud zentral hoch- und herunterskaliert werden können.
  • Azure Storage-Konten werden für die Synchronisierung und Datenaufbewahrung verwendet.
  • Virtuelle Azure-Netzwerke ermöglichen vielen Azure-Ressourcentypen (beispielsweise virtuellen Computern) eine sichere Kommunikation untereinander sowie mit dem Internet und mit lokalen Netzwerken.

Alternativen

Kunden können Azure CycleCloud auch verwenden, um ein Raster vollständig in Azure zu erstellen. Bei diesem Setup wird der Azure CycleCloud-Server in Ihrem Azure-Abonnement ausgeführt.

Für einen modernen Anwendungsansatz, bei dem die Verwaltung eines Workloadplaners nicht erforderlich ist, kann Azure Batch hilfreich sein. Sie können mithilfe von Azure Batch umfangreiche auf Parallelverarbeitung ausgelegte HPC-Anwendungen effizient in der Cloud ausführen. Azure Batch ermöglicht es Ihnen, die Azure-Computeressourcen für die parallele oder skalierte Ausführung Ihrer Anwendungen ohne manuelle Konfiguration oder Verwaltung der Infrastruktur zu definieren. Azure Batch plant rechenintensive Aufgaben und fügt basierend auf Ihren Anforderungen Computeressourcen dynamisch hinzu oder entfernt sie.

Szenariodetails

Simulationen numerischer Strömungsmechaniken (Computational Fluid Dynamics, CFD) erfordern erhebliche Computezeit und spezielle Hardware. Mit zunehmender Clusterverwendung nehmen auch der Zeitaufwand für Simulationen und die Nutzung von Rastern insgesamt zu, was wiederum zu Problemen mit der begrenzten Kapazität und langen Warteschlangenzeiten führt. Das Hinzufügen von physischer Hardware kann kostspielig und nicht für die schwankende Nutzung mit variierenden Spitzen- und Tiefstwerten geeignet sein, die bei Unternehmen üblich ist. Mit Azure können viele dieser Herausforderungen ohne jeglichen Investitionsaufwand gemeistert werden.

Azure bietet die Hardware, die Sie zum Ausführen Ihrer CFD-Aufträge auf GPU- und CPU-VMs benötigen. VM-Größen, die den Remotezugriff auf den direkten Speicher (Remote Direct Memory Access, RDMA) unterstützen, verfügen über FDR InfiniBand-basierte Netzwerke, die eine MPI-Kommunikation (Message Passing Interface) mit geringer Wartezeit ermöglichen. Wenn Sie diese Lösungen mit Avere vFXT, einem gruppierten Dateisystem für Unternehmen, kombinieren, können Kunden maximalen Durchsatz für Lesevorgänge in Azure sicherstellen.

Um die Erstellung, Verwaltung und Optimierung von HPC-Clustern (High Performance Computing) zu vereinfachen, kann Azure CycleCloud zum Bereitstellen von Clustern und Orchestrieren von Daten in Hybrid- und Cloudszenarien verwendet werden. Wenn Sie ausstehende Aufträge überwachen, startet CycleCloud automatisch bedarfsbasierte Computeressourcen mit nutzungsabhängiger Bezahlung, die mit dem Workloadplaner Ihrer Wahl verbunden sind.

Mögliche Anwendungsfälle

Weitere relevante Branchen für CFD-Anwendungen sind:

  • Luft- und Raumfahrt/Flugzeuge
  • Automobilindustrie
  • Heizungs-, Lüftungs- und Klimaanlagen (Einrichtungen)
  • Öl- und Gasanlagen (Energie)
  • Biowissenschaften und Gesundheitswesen

Überlegungen

Diese Überlegungen setzen die Säulen des Azure Well-Architected Framework um, das eine Reihe von Leitprinzipien enthält, die zur Verbesserung der Qualität eines Workloads verwendet werden können. Weitere Informationen finden Sie unter Microsoft Azure Well-Architected Framework.

Skalierbarkeit und Sicherheit

Die Ausführungsknoten in Azure CycleCloud können manuell oder mittels automatischer Skalierung skaliert werden. Weitere Informationen finden Sie unter Automatische Skalierung in CycleCloud.

Allgemeine Informationen zum Entwerfen sicherer Lösungen finden Sie in der Dokumentation zur Azure-Sicherheit.

Kostenoptimierung

Bei der Kostenoptimierung geht es um die Suche nach Möglichkeiten, unnötige Ausgaben zu reduzieren und die Betriebseffizienz zu verbessern. Weitere Informationen finden Sie unter Übersicht über die Säule „Kostenoptimierung“.

Die Kosten für die Ausführung einer HPC-Implementierung mit einem CycleCloud-Server sind von verschiedenen Faktoren abhängig. Beispielsweise wird CycleCloud basierend auf der genutzten Computezeit berechnet, wobei der primäre Server und der CycleCloud-Server in der Regel ständig zugeordnet sind und ausgeführt werden. Die Kosten für die Ausführungsknoten hängen davon ab, wie lange diese aktiv sind und ausgeführt werden und welche Größe verwendet wird. Die normalen Azure-Gebühren für Speicher und Netzwerk gelten ebenfalls.

Dieses Szenario zeigt, wie CFD-Anwendungen in Azure ausgeführt werden können- Die Computer erfordern daher RDMA-Funktionen, die nur für bestimmte VM-Größen verfügbar sind. Im Folgenden sind Beispiele für die Kosten aufgeführt, die in einem Monat für eine Skalierungsgruppe mit einem ausgehenden Datenverkehr von 1 TB, die kontinuierlich für acht Stunden pro Tag zugeordnet ist, anfallen können. Enthalten sind auch die Preise für den Azure CycleCloud-Server und die Installation von Avere vFXT für Azure:

  • Region: Nordeuropa
  • Azure CycleCloud-Server: 1x Standard D3 (vier CPUs, 14 GB Arbeitsspeicher, HDD Standard-Datenträger mit 32 GB)
  • Primärer Azure CycleCloud-Server: 1x Standard D12 v2 (vier CPUs, 28 GB Arbeitsspeicher, HDD Standard-Datenträger mit 32 GB)
  • Azure CycleCloud-Knotenarray: 10x Standard H16r (16 CPUs, 112 GB Arbeitsspeicher)
  • Avere vFXT für Azure-Cluster: 3x D16s v3 (200 GB Betriebssystem, SSD Premium-Datenträger mit 1 TB)
  • Ausgehende Daten: 1 TB

Die Preisschätzung für die oben genannte Hardware finden Sie hier.

Bereitstellen dieses Szenarios

Voraussetzungen

Führen Sie vor dem Bereitstellen der Resource Manager-Vorlage die folgenden Schritte aus:

  1. Erstellen Sie einen Dienstprinzipal zum Abrufen von „appId“ (App-ID), „displayName“ (Anzeigename), „name“ (Name), „password“ (Kennwort) and „tenant“ (Mandant).

  2. Generieren Sie ein SSH-Schlüsselpaar für die sichere Anmeldung beim CycleCloud-Server.

  3. Klicken Sie auf den Link unten, um die Lösung bereitzustellen.

    Bereitstellen in Azure

  4. Melden Sie sich beim CycleCloud-Server an, um einen neuen Cluster zu konfigurieren und zu erstellen.

  5. Erstellen eines Clusters.

Der Avere-Cache ist eine optionale Lösung, die den Durchsatz der Lesevorgänge für die Anwendungsauftragsdaten deutlich erhöhen kann. Avere vFXT für Azure löst das Problem, das mit der Ausführung dieser HPC-Unternehmensanwendungen in der Cloud und der gleichzeitigen Nutzung von lokal oder in Azure Blob Storage gespeicherten Daten einhergeht.

Für Organisationen, die eine Hybridinfrastruktur mit lokalem Speicher und Cloud Computing planen, können HPC-Anwendungen anhand von Daten, die auf NAS-Geräten (Network Attached Storage) gespeichert sind, „Bursts“ in Azure ausführen und die erforderlichen CPUs nach Bedarf einrichten. Das Dataset wird nie vollständig in die Cloud verschoben. Die angeforderten Bytes werden während der Verarbeitung mithilfe eines Avere-Clusters vorübergehend zwischengespeichert.

Folgen Sie zum Einrichten und Konfigurieren einer Avere vFXT-Installation den Anweisungen unter Leitfaden für die Avere-Einrichtung und -Konfiguration.

Beitragende

Dieser Artikel wird von Microsoft gepflegt. Er wurde ursprünglich von folgenden Mitwirkenden geschrieben:

Hauptautor:

Nächste Schritte

Produktdokumentation:

Weitere Informationen finden Sie in den folgenden Artikeln zu virtuellen Computern: