水庫模擬 會使用數據密集型計算機模型來預測複雜的液體流動，例如地球表面下的石油、水和氣體。 此範例會在 Azure 高效能運算 （HPC） 基礎結構上設定水庫模擬軟體。 Azure 可讓您以最高效能、延展性和成本效益來執行這種類型的工作負載。
架構
工作流程
此圖表提供範例中所用架構的高階概觀。 工作流程如下所示：
使用者透過 SSH 登入前端節點，為計算資源準備其模型。
PBS Pro 19.1 會在前端節點上執行，並在計算節點上排程作業。
OPM 流程會在計算節點上執行。 計算 VM 會部署為 虛擬機擴展集，這是一組相同的 VM，可調整以符合計算工作的需求。
OPM Flow 會將匯出結果傳送至前端節點上的檔案共用。 進 階磁碟 會連線到前端節點，並設定為計算節點和視覺效果 VM 的 NFS 伺服器。
在 Standard-NV6 Windows VM 上執行的 OPM ResInsight 會顯示結果的 3D 視覺效果。 用戶可以透過 RDP 存取視覺效果 VM。
元件
用來實作此架構的重要技術：
案例詳細資料
此範例中的架構支援 OPM Flow，這是來自開放多孔媒體 （OPM） 計劃的熱門開放原始碼油氣庫模擬套件。 OPM Flow 軟體會在 Azure HPC 虛擬機 （VM） 上執行，可提供比目前內部部署基礎結構更接近或更好的效能。
用戶會連線到Linux前端節點 VM，透過 PBS Pro 19.1 作業排程軟體將模型提交至 HPC 資源。 HPC 資源會執行 OPM 流程，並將匯出結果傳送至檔案共用。 在此範例中，檔案共用是前端節點 VM 上的 4 TB 網路文件系統 （NFS） 空間。 視您的模型和輸入和輸出 （I/O） 需求而定，您可以使用其他 記憶體 選項。
Microsoft執行 OPM ResInsight 的 Azure VM，這是開放原始碼視覺效果工具，可存取檔案共用來 建立模型，並將匯出結果可視化 。 用戶可以透過遠端桌面通訊協定 （RDP） 連線到 VM，以檢視視覺效果。
使用 Azure VM 可免除高端視覺效果工作站的費用。 OPM 應用程式受益於 HPC 硬體和輸入和輸出檔案的共用儲存位置。
潛在使用案例
對地震數據進行 3D 水庫模型化和視覺效果。
測試 INTERSECT，這是來自施倫伯格的高解析度水庫模擬器。 您可以在 GitHub 上看到範例 INTERSECT 實 作。
在 Azure 上使用類似的設定，透過 Landmark-Halliburton 測試 Nexus。
考量
這些考量能實作 Azure Well-Architected Framework 的要素，其為一組指導原則，可以用來改善工作負載的品質。 如需詳細資訊，請參閱 Microsoft Azure Well-Architected Framework (部分機器翻譯)。
此範例使用 HB 系列 高效能 VM。 HB 系列已針對記憶體頻寬驅動的應用程式優化，例如計算流體動態（HB），而Standard_HB120rs_v2 VM 是該系列中最新的一個。 針對 Intel 型硬體， Standard_HC44rs VM 是選項。
為了在 Azure 上測試此 OPM Flow 架構， GitHub 範例實 作會安裝 Norne 案例，這是真實挪威海油田的開放式基準案例。 若要執行此測試案例，您必須：
使用 Azure 金鑰保存庫 來儲存金鑰和秘密，這是 GitHub 設定腳本的需求。
在所有計算節點上安裝線性代數 PACKage （LAPACK） 連結庫。 GitHub 安裝文稿包含此步驟。
在任何您想要作為視覺效果接收者的計算機上安裝 HP 遠端圖形軟體 （RGS）。 在此範例中，用戶會連線到視覺效果 VM 以執行 ResInsight 並檢視 Norne 案例。
作業排程器
計算密集型工作負載受益於可部署和管理 HPC 計算和記憶體基礎結構的 HPC 協調流程軟體。 此範例架構包含兩種方式來部署計算： azurehpc 架構或 Azure CycleCloud。
Azure CycleCloud 是一種工具，可用來在 Azure 上建立、管理、操作和優化 HPC 和大型計算叢集。 您可以使用它來動態布建 Azure HPC 叢集，並協調混合式和雲端工作流程的數據和作業。 Azure CycleCloud 也支援 Azure 上 HPC 工作負載的數個工作負載管理員，例如 Grid Engine、HPC Pack、HTCondor、LSF、PBS Pro、Slurm 和 Symphony。
網路
此範例工作負載會在不同的子網內部署 VM。 如需其他安全性，您可以為每個子網定義 網路安全組 。 例如，您可以設定安全性規則，以允許或拒絕來自各種節點的網路流量。 如果您不需要此層級的安全性，則不需要此實作的個別子網。
儲存體
數據儲存 和存取需求會根據工作負載規模而有所不同。 Azure 支援 數種方法來管理 HPC 應用程式的速度和容量。 azurehpc GitHub 存放庫包含範例 Azure HPC 腳本。
下列方法在石油和天然氣產業中很常見。 選擇最適合您唯一 I/O 和容量需求的解決方案。
針對像目前範例這樣的低規模工作負載，請考慮在前端節點上執行 NFS、使用具有大型暫時磁碟的記憶體優化 Lsv2 系列 VM，或使用 Azure 進階儲存體 的 D 系列 VM，視您的需求而定。 此解決方案適用於具有 500 個核心或更少、輸送量高達每秒 1.5 GB 的工作負載（GiB/秒），以及高達 19 TB RAM 和 100 TB 的記憶體。
中型到大規模的讀取密集型工作負載： 請考慮使用 Avere vFXT for Azure （6 到 24 個節點）。 此解決方案適用於最多 50,000 個核心的工作負載、最多 2 GiB/秒的寫入輸送量，以及高達 14 GiB/秒的讀取、高達 192 TB 的快取，以及高達 2 PB 的檔伺服器。
平衡或寫入密集的中型工作負載： 請考慮針對最多 4,000 個核心的工作負載使用 Azure NetApp Files ，輸送量高達 6.5 GiB/秒、記憶體最多 100 TB/磁碟區，並將檔案大小最大化為 12 TB。
大規模工作負載： 使用協調的平行檔案服務，例如 Lustre 或 BeeGFS。 這種方法適用於最多 50,000 個核心，讀取/寫入速率高達 50 GiB/秒，以及 500 TB 的記憶體。 針對更大型的叢集，裸機方法可能更具成本效益。 例如，Cray ClusterStor 是受控 HPC 記憶體解決方案，可彈性地即時支援較大的彈性叢集。
部署此案例
取得 GitHub 上此 OPM Flow 架構的範例實作。
下一步
- 閱讀 Azure 部落格中的 HPC：石油和天然氣。
- 取得適用於 Azure 的 Avere vFXT 概觀。
- 檢閱 Azure 儲存體 效能和延展性檢查清單。
- 探索 Azure 上電腦輔助工程 （CAE） 的範例工作負載。
- 瞭解 Azure 上的 HPC。