RUEN

Группа компаний Дитис, представляет  GPU Сервер Supermicro вычислительной мощностью до 2 терафлопс

04.10.2011

ss6016gt-tf-tm2.tif

Supermicro 6016GT-TF-TM2— самый быстрый 1U GPU сервер с вычислительной мощностью до ДВУХ терафлопс!

Supermicro 6016GT-TF-TM2
• Rack 1U (437x43x716)
• 2 x CPU Intel Xeon Quad Core E5506 2.13GHz 4Mb cache QPI 4.8GTs
• 2 x Nvidia Tesla M1060 GPU Cards
• 8GB RAM DDR3 1333MHz ECC REG/ Up to 192GB DDR3 1333/ 1066/ 800MHz ECC Registered DIMM in 12xDIMM sockets
• Intel® 82576 Dual-Port Gigabit Ethernet Controller
• Intel ICH10R SATA 3.0Gbps Controller• RAID 0, 1, 5, 10 support (Windows)
• RAID 0, 1, 10 support (Linux)• Integrated IPMI 2.0 with KVM and Dedicated LAN
• 1 (x4) PCI-E 2.0 (Low Profile)
• 3 x HDD 500GB SATA 7200RPM Hot-swap
• 1400W Gold-level High-efficiency Power Supply
• DVDROM Slim

В наличии !!! 

Пиковая производительность систем достигается за счет использования двух GPU NVIDIA Tesla M1060 каждая из которых содержит 240-ядерный процессор, работающий на частоте 1.3 гигагерц и 4 гигабайта памяти. Основное функциональное отличие GPU от CPU состоит в том, что его ядра работают параллельно, это дает весомое преимущество при обработке больших объемов данных. Кроме того, в отличии от расчетов на CPU, при вычислениях на графическом адаптере нет необходимости в кешировании поступающей информации, что, в свою очередь, устраняет проблемы в ситуациях, когда размер данных превышает размер кеша. Эти особенности делают GPU чрезвычайно эффективным в ряде задач, требующих обработки значительных массивов данных и хорошо поддающихся распараллеливанию.

К числу таких задач относятся, например, проблемы квантовой химии и астрофизики, финансового и   нефтегазового моделирования, предсказания погоды и поиска сигнала, и многие другие. На странице можно ознакомится с показателями увеличения скорости вычислений в реальных научных и коммерческих приложениях с использованием программного комплекса CUDA (Compute Unified Device Architecture) — технологии, позволяющей реализовывать алгоритмы, выполнимые на графических процессорах NVIDIA. В некоторых примерах достигается 300-кратное ускорение при использовании расчетов на гетерогенных системах (GPU + CPU) по сравнению с расчетами исключительно на CPU.


Интересные предложения