Заказчики: Иркутская нефтяная компания (ИНК) Иркутск; Нефтяная промышленность Продукт: Проекты построения комплексной ИТ-инфраструктурыДата проекта: 2019/06 — 2019/12
|
Технология: ИТ-аутсорсинг
Технология: Серверные платформы
|
2019: Завершение проекта по внедрению HPC-кластера
14 января 2020 года стало известно, что компания Lenovo завершила проект по внедрению HPC-кластера Иркутской нефтяной компании (ИНК). Цель проекта — усиление ИТ-инфраструктуры для ускорения проведения геологических исследований.
Иркутская нефтяная компания — один из независимых производителей углеводородного сырья в России. Группа компаний ИНК занимается геологическим изучением, разведкой и добычей углеводородного сырья на месторождениях и участках недр в Восточной Сибири — в Иркутской области, Республике Саха (Якутия) и Красноярском крае.
До реализации проекта специалисты ИНК использовали в работе графические станции, на которых проводили инженерно-геологические вычисления.
Однако графические станции обладают ограничениями по объему расчетов с использованием цифровых моделей месторождений, связанными с их производительностью. Использование этих решений было неэффективным с точки зрения затрат времени, которое необходимо для выполнения расчетов на отдельной станции. Сложные модели с большим количеством ячеек рассчитывались долго, что приводило к низкой оперативности принятия бизнес решений высокой стоимости.
Появилась необходимость в объединенной территориально распределенной системе. Специалисты Lenovo предложили подключить графические рабочие станции каждого объекта к единому HPC-кластеру, в котором будет происходить обработка огромных массивов данных. Коммуникацию между Lenovo и ИНК, логистику, доставку и монтаж оборудования осуществлял многолетний партнер Lenovo — Сибирский центр информационных технологий (ISIB). После этого специалисты Lenovo провели настройку оборудования и протестировали его совместно с ИНК.
Кластерный вычислительный комплекс Lenovo Scalable Infrastructure оснащен 6 вычислительными узлами с гибридной архитектурой GPGPU (General-purpose computing on graphics processing units), 120 вычислительными ядрами CPU, 3 840 — CUDA, 30 720 — Tensor. Суммарная ёмкость оперативной памяти TruDDR4 2666MHz — 1 152 GB, а оперативная память на ядро CPU — 9.6 GB.Обзор российского рынка банковской цифровизации: импортозамещение, искусственный интеллект и собственные экосистемы
Благодаря внедрению суперкомпьютера Иркутская нефтяная компания существенно увеличила вычислительные мощности. Специалисты ИНК отмечают рост производительности отдельных моделей до 7 раз. Кроме того, HPC-кластер обеспечил высокую гибкость и масштабируемость системы, а также значительно упростил обслуживание 19 месторождений.
Каждому нашему заказчику мы стремимся предоставить наиболее оптимальное и эффективное решение, учитывая при этом специфику его деятельности и задач. Совместно с ИНК нам удалось построить HPC-кластер,
который не только значительно ускорил процесс расчётов цифровых моделей месторождений, но и снял ограничения по их размерности, отмечает Дмитрий Паршин, генеральный директор направления DCG компании Lenovo в России и СНГ
|
После внедрения, запуска и настройки мы увидели существенное увеличение скорости. Некоторые модели получили практически линейное ускорение — их производительность возросла до 7 раз, рассказывает Александр Овчинников, главный специалист по разработке Иркутской нефтяной компании
|
Специалисты ИНК подвели основные итоги внедрения HPC:
- Произошло практически линейное ускорение сложных моделей.
- Удалось освободить мощности графической станции (до внедрения суперкомпьютера использование графических станций во время расчетов было затруднительным).
- Появилась возможность производить многовариантные расчёты — процесс ускорился более чем в 6 раз.
- У сотрудников без графических станций появилась возможность совершать высокопроизводительные расчёты.
Теперь в зависимости от сложности задачи специалисты могут использовать ресурсы как отдельного узла, так и целого кластера. Следовательно, при помощи HPC удалось снять ограничения по размерности цифровых моделей.