3. HPC集群需求分析方法
HPC集群规划最忌讳“先买机器、再想用途”。需求分析的目标，是把业务语言翻译成可量化的硬件与网络参数，让后续的节点选型、网络拓扑、存储配置都有据可依。本节围绕五个核心维度展开：应用场景调研、性能指标定义、计算密度、内存带宽、存储IOPS与网络吞吐估算。它们之间存在明确的依赖关系——场景决定指标，指标推导出计算、内存、存储、网络四类资源需求。
一、应用场景调研：从业务到负载画像
调研不是简单问“你们要跑什么软件”，而是要形成可量化的负载画像。建议按以下要素逐项采集：
- 应用类型：是CFD/结构力学这类紧耦合MPI并行，还是参数扫描、蒙特卡洛这类高吞吐任务，或是AI训练这类GPU密集型负载。
- 并行模式：MPI进程数、OpenMP线程数、是否使用GPU加速、是否依赖集合通信（Allreduce、Alltoall）。
- 作业规模分布：小作业（1–8核）、中作业（32–128核）、大作业（512核以上）各占比例，这直接决定调度策略与节点粒度。
- 峰值并发：同时运行的作业数、最大作业核数，用于估算集群总核数与网络收敛比。
- 数据特征：单作业读写数据量、文件大小分布、是否频繁checkpoint、是否共享同一数据集。
例如，某CAE团队反馈：日常以32核作业为主，每周有2–3个512核大作业，单次求解读取网格约200GB，每2小时写一次checkpoint约50GB。这条信息已经能推导出内存容量、存储带宽和网络规模的下限。
二、性能指标定义：把“快”变成数字
性能指标必须可测量、可验收。常用指标包括：
- 计算性能：单节点双精度浮点峰值（FLOPS）、实测LINPACK效率（通常70%–90%）。
- 并行效率：强扩展（固定问题规模增加核数）与弱扩展（问题规模随核数增长）下的加速比。
- 内存带宽：STREAM Triad实测值，反映每核可用带宽。
- 存储性能：顺序读写带宽（GB/s）、随机IOPS、元数据操作速率。
- 网络性能：点对点带宽、消息延迟（微秒级）、集合通信带宽。
指标定义要与应用绑定。例如CFD求解器对内存带宽和网络延迟敏感，而参数扫描类作业更看重吞吐与调度效率。定义时应给出目标值与验收方法，如“STREAM Triad ≥ 12 GB/s/节点”“MPI延迟 ≤ 2 μs”。
三、计算密度：每机柜能装多少算力
计算密度决定机房空间、供电与散热成本。它由单节点核数、TDP、机柜U数和供电上限共同约束。以双路Intel Xeon Platinum 8480+（56核/颗，TDP 350W）为例，单节点112核，整机功耗约800–1000W。若机柜供电上限为15kW，则最多约15台，即1680核/柜；若采用液冷或高密度机柜（30kW），可翻倍。
计算密度估算公式可简化为：
机柜核数 = min(机柜U数 / 节点U数, 机柜供电 / 节点功耗) × 单节点核数
规划时需预留20%–30%余量给交换机和突发功耗，避免满载跳闸。
四、内存带宽：被忽视的性能瓶颈
很多HPC应用是内存带宽受限型，而非浮点受限型。每核可用带宽 = 单节点内存带宽 / 核数。以8通道DDR5-4800为例，单节点理论带宽约307 GB/s，112核下每核仅2.7 GB/s。若应用每核需求超过此值，增加核数反而降低效率。
估算方法：先测单核STREAM Triad值，再乘以核数得到需求，与节点实测带宽对比。若需求 > 实测的80%，说明内存带宽将成为瓶颈，应考虑减少每节点核数、增加内存通道或选用高带宽内存（HBM）平台。
五、存储IOPS与网络吞吐估算
存储需求常被低估。估算分三步：
- 容量：原始数据 + 中间结果 + checkpoint + 副本，通常按原始数据的3–5倍预留。
- 带宽：并发作业数 × 单作业读写带宽。例如20个作业同时写checkpoint，每个500 MB/s，则需10 GB/s写入带宽。
- IOPS：小文件密集场景（如EDA、AI小样本）需重点估算元数据IOPS，NVMe全闪存可提供数十万IOPS，而HDD仅数百。
网络吞吐方面，HPC以东西向流量为主。关键参数是收敛比：若32个节点各配200G端口，上行仅400G，收敛比为16:1，适合中等并行；紧耦合MPI应用建议收敛比≤4:1甚至1:1（无阻塞）。估算公式：
所需上行带宽 = 峰值并发节点数 × 单节点通信带宽 × 通信占比
例如512核大作业跨16节点，每节点通信200G，通信占比60%，则上行需约1.9T，需配置多台交换机组成胖树或DragonFly+拓扑。
综上，需求分析的本质是建立“场景→指标→资源”的量化映射。应用场景提供输入，性能指标定义验收标准，计算密度、内存带宽、存储IOPS与网络吞吐四者相互约束，任何一项短板都会限制整体效率。规划时应以最紧约束为基准，并预留20%–30%的扩展余量。