Hyppää sisältöön

Significant changes to Puhti & Mahti authentication coming in April! Read about the SSH key and multi-factor authentication requirements.

tags: - Muut

Gaussian

Gaussian on monipuolinen ohjelmistopaketti, joka tarjoaa erilaisia mahdollisuuksia elektronisen rakenteen mallintamiseen.

Saatavilla

  • Puhti: G16RevC.02
  • Mahti: G16RevC.02

Lisenssi

CSC on hankkinut täyden kaupallisen lisenssin Gaussianiin. Se on saatavilla kaikille hyväksytyille käyttäjille, lisenssirajoitusten mukaisesti. Käyttääksesi Gaussiania CSC:llä, käyttäjätunnuksesi on lisättävä Gaussian-käyttäjäryhmään. Lähetä pyyntö CSC:n Service Deskiin.

Käyttö

Alusta Gaussian-ympäristö:

module load gaussian/G16RevC.02

Vakioajoja voi kätevästi lähettää subg16-skriptillä:

subg16 hhh:mm:ss jobname <your project id> [NVMe disk]

missä:

  • hhh:mm:ss on vaadittu maksimiaika tunneissa, minuuteissa ja sekunneissa.
  • jobname on syötettävän tiedoston nimi ilman .com-päätettä.
  • [NVMe disk] (valinnainen) tarkoittaa nopean paikallisen NVMe-levyn pyyntiä gigatavuina.

Aja subg16 ilman argumentteja saadaksesi lisätietoja.

Suorituskykyyn liittyviä seikkoja

Optimalisen suorituskyvyn saavuttamiseksi CSC:n palvelimilla suoritettavissa Gaussian-töissä, on hyödyllistä ottaa huomioon tiettyjä tehokkuusseikkoja. Vinkkejä muisti- ja levyvaatimusten arvioimiseen löytyy täältä. Aiheesta on myös hyvä yhteenveto NRIS:in toimesta.

Gaussian tarjoaa suuren määrän laskentamalleja, joista jokaisella on erilaiset suorituskykyominaisuudet käytettävissä olevista resursseista riippuen.

Rinnakkaislaskenta

Ytimen määrä, joka varataan työhön, määritetään syötettävässä tiedostossa käyttäen %NProcShared-lippua.

Yleisesti ottaen optimaalinen ytimien määrä on melko alhainen, joten on hyvä idea tehdä testiajoja edustavalla työllä käyttäen pientä ytimien määrää, kuten %NProcShared=4. Testitulosten perusteella voit päättää sopivat resurssit varsinaisiin ajokertoihin.

Ytimien määrän lisääminen ei aina paranna suorituskykyä ja saattaa jopa heikentää sitä.

Muisti

Gaussianissa muistin varaus hallitaan käyttäen %Mem-lippua syötetiedostossa, jossa määritetään laskentaan varattavan muistin kokonaismäärä.

Rinnakkaistöissä Gaussian jakaa muistin useiden ytimien kesken. Koska suuri osa tiedoista voi olla jaettuna ketjujen välillä, muistinkäytön riippuvuus ytimien lukumäärästä on heikko. Tämä tarkoittaa, että ytimien määrän lisääminen ei tyypillisesti vaadi suhteellista muistinvarausta.

Kokonaismuistivaatimukseen vaikuttavat menetelmä, kanta ja ytimien määrä. Lisätietoja on saatavilla Gaussianin virallisesta dokumentaatiosta.

On myös työkaluja, kuten GaussMem, jotka auttavat arvioimaan muistin tarpeita.

Huomio

Mahtissa jokaiselle varatulle CPU-ytimelle myönnetään 1.875 GiB muistia. Ainoa tapa pyytää enemmän muistia on varata lisää ytimiä. Tämän seurauksena Gaussianin käyttämien ytimien optimaalinen määrä saattaa joskus olla alempi kuin varattujen ytimien määrä, riippuen muistin tarpeista.

Paikallisen levyn (NVMe) käyttö

Levy-I/O-intensiivisissä töissä, kuten erittäin korreloiduissa menetelmissä kuten MP2, CCSD(T) ja ominaisuuslaskennoissa kuten värähtelytaajuuslaskennat, nopean NVMe-paikallisen levyn käyttö Puhtissa tai Mahtissa voi merkittävästi parantaa suorituskykyä. Paikallisen levyn käyttäminen tällaisissa töissä vähentää myös kokonaisrasitusta Lustre-rinnakkaistiedostojärjestelmään.

subg16 hhh:mm:ss jobname <your project id> [NVMe disk]

Resurssien arvioiminen

Ennen suuria laskentoja on tärkeää määrittää laskentaresurssien tehokkain käyttö. Ydinten tai muistin yliluokitus voi johtaa resurssien tuhlaukseen ja joissakin tapauksissa jopa hitaampaan suoritukseen.

Askeltasoinen lähestymistapa

  1. Aloita pienestä – Aloita testityöllä käyttämällä vaatimattoman määrän ytimiä (esim. %NProcShared=4).
  2. Seuraa suorituskykyä – Testin jälkeen käytä seff-komentoa tarkistaaksesi CPU-käytön, muistitehokkuuden ja työn suoritusajan.
  3. Lisää resursseja vähitellen – Tuplaa ydinten määrä askelissa (esim. 4 → 8 → 16) ja tarkkaile vaikutusta suorituskykyyn.
  4. Tunnista tehokkuuden tasaantuminen – Jos nopeutuminen ytimien tuplaamisella laskee alle 1.5:n, lisäykset ovat todennäköisesti tehottomia.
  5. Harkitse levy- ja muistitarpeita – Jotkin menetelmät (esim. MP2, CCSD(T), taajuuslaskennat) hyötyvät enemmän riittävästä muistista ja nopeasta paikallisesta levystä (NVMe) kuin lisäytimistä. Riittämätön muisti tai hidas levyn I/O voivat aiheuttaa pullonkauloja ja huonoa skaalautumista.

Tehokas resurssien jakaminen varmistaa nopeammat ajot, minimoi jonotusajat ja välttää tarpeettoman järjestelmäkuormituksen.

Suorituskykyesimerkki

Tässä esitetään esimerkki siitä, kuinka erilaiset resurssirajoitukset vaikuttavat Gaussianin suorituskykyyn ja mitä tekijöitä tulisi huomioida. Käytämme α-Tokoferolia (eräs E-vitamiini) syöterakenteena. Syöte tiedosto on saatavilla osoitteessa vitamin_e.com.

Testit suoritettiin tuotantoympäristössä, jossa työn häirintä voi aiheuttaa suorituskyvyn vaihtelua. Lisäksi osa vaihteluista johtuu alustavan ytimen sijoittelusta solmun sisällä. Tämä sisäinen hierarkia voi vaikuttaa suorituskykyyn.

Aluksi vertaamme suoritusaikaa ja skaalautuvuutta b3lyp/cc-pVDZ, %mem=10GB, 10GB NVMe yksipiste-laskennassa. Tämä laskenta tarvitsee vain kohtuullisen muisti- ja levyresurssin, joten niiden lisääminen ei saisi vaikuttaa suorituskykyyn.

Gaussian Performance

Tässä tapauksessa skaalaus Puhtissa alkaa tasoittua 30 ytimen jälkeen, kun taas Mahtissa skaalaus jatkuu kohtuullisella tasolla noin 80 ytimeen asti.

Jos teemme saman laskennan, mutta suurennamme kantalaskoisuuden b3lyp/cc-pVTZ:hen, %mem=10GB, 10GB NVMe varaus riittää edelleen kaikkiin tarpeisiin.

Gaussian Performance

Tässä isommassa laskennassa Puhtin skaalaus pysyy hyvänä solmun täyteen kuormaan asti. Mahtissa skaalaus alkaa tasoittua noin 100 ytimen kohdalla.

Aaltotoimintoon perustuvassa menetelmässä MP2/cc-pVDZ, %mem=100GB, 200GB NVMe, sekä varattu muisti että paikallisen levyn (NVMe) käyttö vaikuttavat merkittävästi suorituskykyyn, kuten seuraavasta kaaviosta käy ilmi:

Gaussian Performance

Puhtissa nopeutus tasoittuu 25 ytimen paikkeilla, kun taas Mahtissa suorituskyvyn lisäys jatkuu noin 35 ytimeen asti.

Testit Puhtissa korostavat riittävän muistin varaamisen tärkeyttä. Lisäksi selvät suorituskyvyn parannukset paikallisen levyn (NVMe) käytöstä tavallisen väliaikaislevyn sijaan (noin 30 % nopeammin!) osoittavat, että paikallinen levy tulisi aina olla etusijalla tällaisessa laskennassa.

Viittaukset

Lisätietoa