Rechenintensive Methoden (Cluster, Cloud)

Owned by Daniel Mitterecker
Last updated: 2024-08-28 by Werner Hackinsholz
1 min read

This information is available in German and English.

🇦🇹 Deutsche Version | 🇬🇧 English Version

🇦🇹 Deutsch

Rechenintensive Arbeiten können die Leistung Ihres Arbeitsplatzcomputers erheblich einschränken. Um dies zu vermeiden, stellt die WU Infrastruktur zur Verfügung, mit denen Sie komplexe Berechnungen und Analysen effizient durchführen können.

Welche Möglichkeiten gibt es?

Die Cluster- und Cloud-Umgebung ist nur für Forschungszwecke einzusetzen.

 

WU-Cloud (Virtuelle Maschinen)

Ideal für Aufgaben, die eine kontrollierte, isolierte Umgebung erfordern, in der spezifische Softwarekonfigurationen benötigt werden.

Anwendungsbereich

  • Ausführung von Software oder Simulationen, die von einem bestimmten Betriebssystem oder einer bestimmten Softwareumgebung abhängen.

  • Durchführung von Datenanalysen kleinere bis mittleren Umfangs.

Vorteile

  • Flexibilität bei der Auswahl und Konfiguration des Betriebssystems und der Software.

  • Einfacher Zugang und Verwaltung im Vergleich zu WU-Cluster.

  • Geeignet für Workloads, die keine massive Parallelverarbeitung erfordern.

  • Windows- und Linux-Umgebungen verfügbar.

Nachteile

  • Begrenzung durch die zugewiesenen Ressourcen der VM, die für sehr groß angelegte Berechnungen möglicherweise nicht ausreichen.

  • Die Leistung kann beeinträchtigt werden, wenn die zugrunde liegenden Hardware-Ressourcen mit anderen virtuellen Maschinen geteilt werden.

WU-Cluster (Hochleistungsrechner)

Am besten geeignet für Aufgaben, die erhebliche Rechenleistung erfordern und stark parallelisiert werden können.

Anwendungsbereich

  • Groß angelegte Simulationen.

  • Ausführung von Anwendungen, die viele Prozessoren gleichzeitig nutzen können.

  • An der WU nur als Linux-Umgebung verfügbar.

Vorteile

  • Zugriff auf erheblich mehr Rechenressourcen, einschließlich vieler CPUs/GPUs, großer Speichermengen und schneller Speicherlösungen.

  • Optimiert für hohe Durchsatzraten und parallele Verarbeitung, wodurch die Berechnungszeit verkürzt wird.

  • Spezialisierte Software und Werkzeuge für wissenschaftliches Rechnen werden angeboten.

Nachteile

  • Komplexer in der Nutzung und Bedienung, oft mit der Notwendigkeit, sich mit Kommandozeilen und Job-Scheduling-Systemen (Slurm) auszukennen.

  • Die Ressourcen werden mit mehreren Nutzer*innen geteilt, individuelle Rechenjobs (calculations) können daher verzögert ausgeführt werden.

Details zum Zugang, der technischen Ausstattung sowie den Kontakt für die Bereitstellung finden Sie in den folgenden Artikeln.

🇬🇧 English

Calculation-intensive methods (Cluster, Cloud)

Computationally intensive tasks can significantly limit the performance of your workstation computer. To avoid this, WU provides infrastructure that allows you to efficiently perform complex calculations and analyses.

Which options are available?

 

WU Cloud (virtual machines)

Ideal for tasks that require a controlled, isolated environment with specific software configurations.

Use Case

  • Running software or simulations that depend on a particular operating system or software environment.

  • Conducting data analyses of small to medium scale.

Advantages

  • Flexibility in choosing and configuring the operating system and software.

  • Easier access and management compared to WU Cluster.

  • Suitable for workloads that do not require massive parallel processing.

  • Windows and Linux environments available.

Disadvantages

  • Limited by the resources allocated to the VM, which may be insufficient for very large-scale computations.

  • Performance may be impacted if the underlying hardware resources are shared with other virtual machines.

WU Cluster (high-performance computing)

Best suited for tasks that require substantial computational power and can be highly parallelized.

Use Case

  • Large-scale simulations.

  • Running applications that can utilize many processors simultaneously.

  • At WU: running as a Linux environment only.

Advantages

  • Access to significantly more computational resources, including many CPUs/GPUs, large amounts of memory, and fast storage solutions.

  • Optimized for high throughput and parallel processing, reducing computation time.

  • Specialized software and tools for scientific computing are available.

Disadvantages

  • More complex to use and operate, often requiring familiarity with command-line interfaces and job scheduling systems (e.g., Slurm).

  • The resources are shared with several users, so individual calculation jobs may be executed with a delay.

Details regarding access, technical performance and contacts for provisioning these ressources are available in the following articles.