高性能計算的需求長期以來為科學(xué)家所用，但是大數(shù)據(jù)的出現(xiàn)和云計算的有效性將HPC系統(tǒng)帶入到企業(yè)中。

高性能計算旨在解決計算密集型問題，比如天氣預(yù)報、石油勘探和生物化學(xué)問題，但是其擴展范圍并不大。HPC擁有廣泛的業(yè)務(wù)應(yīng)用，從分析增長的大型客戶數(shù)據(jù)量和監(jiān)控實時網(wǎng)絡(luò)和應(yīng)用日志，到模型化復(fù)雜工作流和模仿產(chǎn)品設(shè)計。HPC技術(shù)可以寫幫助解決一些業(yè)務(wù)和IT中最難的挑戰(zhàn)，比如預(yù)測哪些客戶會流失、為交叉銷售識別最佳實踐、理解為什么產(chǎn)品失敗和跨企業(yè)網(wǎng)絡(luò)監(jiān)控安全事件。HPC的好處還包括協(xié)助理解什么硬件、軟件和方法論可用，以及哪一個最適合企業(yè)。

確定企業(yè)HPC硬件選擇

高性能計算通常在超級計算機上執(zhí)行，比如IBM Blue Gene，或者連接了高速網(wǎng)絡(luò)連接器的計算機集群。假設(shè)你沒有數(shù)百萬美元來購買超級計算機，集群選擇最適合企業(yè)，以內(nèi)商品化硬件和開源HPC集群軟件一應(yīng)俱全。

當(dāng)對于HPC應(yīng)用有一致且長期的需求時，最合理的選擇就是構(gòu)建一個本地集群。像Amax、Aspen Systems和PCCS Labs這樣的廠商可以提供預(yù)配置HPC集群，旨在支持大量核心處理器、高速網(wǎng)絡(luò)和高性能存儲?；蛘吣憧梢允褂蒙唐贩?wù)器和隨手可得的集群操作系統(tǒng)，比如MOSIX，來構(gòu)建你自己的本地集群。

另一個選擇就是用公有云提供商供應(yīng)集群。亞馬遜Web服務(wù)(AWS)提供的集群計算實例，配置了2個Intel Xeon E5-2670處理器，60.5 GB內(nèi)存和10GB以太網(wǎng)。AWS的機器映像旨在為HPC提供性能改善，通過使用硬件虛擬化實現(xiàn)，在一些案例中，支持圖形處理單元。集群內(nèi)的虛擬服務(wù)器可以放在一個單一的布局群組中，最小化延遲。

如果你更樂意花費更多的時間分析你的數(shù)據(jù)，而不是配置集群，考慮使用MIT提供的StarCluster工具集;這個工具集旨在自動化亞馬遜彈性計算云(EC2)上的虛擬機集群配置和管理。然而，如果你正在開發(fā)自己的HPC應(yīng)用，平臺即服務(wù)選擇谷歌App Engine可能比亞馬遜EC2更適合。通過谷歌App Engine，你可以用谷歌App Engine軟件開發(fā)者工具集構(gòu)建自己的應(yīng)用，而且支持?jǐn)?shù)個語言。

使用企業(yè)方法論 確定HPC軟件

企業(yè)開發(fā)者對于HPC軟件選擇頗多，包括MapReduce平臺、自動化處理軟件、圖形數(shù)據(jù)庫和高性能、基于代理的建模系統(tǒng)。每一個都很好的適用于HPC特定的用例類型和方法論。

MapReduce用來處理模型，由谷歌推廣流行，用Hadoop實現(xiàn)。MapReduce很好的修復(fù)了業(yè)務(wù)問題，可以分解成更小的問題，同時處理掉，并將其結(jié)果結(jié)合產(chǎn)生輸出。例如，一個市場經(jīng)理可能要想理解與客戶相關(guān)的在線購物時間花費特性。數(shù)據(jù)來源于Web應(yīng)用日志，手機了客戶的IP地址的地理位置信息，會話開始和停留時間以及訪問過的網(wǎng)頁，結(jié)合來自第三方廠商的統(tǒng)計數(shù)據(jù)，產(chǎn)生一個客戶的多特征視圖。由于每一個客戶同Web應(yīng)用的交互是每一個客戶的獨立行為，這個數(shù)據(jù)集可以輕松分成子集并跨集群分布。

Hadoop在諸多實現(xiàn)中可用，包括Apache Hadoop、Cloudera Hadoop和MapR Hadoop。

然而，并不是所有的業(yè)務(wù)問題都可以輕松分解成更小的問題。比如，在市場經(jīng)理手機了每個客戶的信息以及其購物模式之后，她可能想要看到客戶之間的關(guān)系。是否有客戶集群鏈接了社交關(guān)系，能夠影響產(chǎn)品購買選擇?這種類型的社交網(wǎng)絡(luò)分析更適合圖形數(shù)據(jù)庫，比如Neo4j。圖形數(shù)據(jù)庫允許企業(yè)輕松模塊化實體，比如客戶和產(chǎn)品，以及這些實體間的關(guān)系，比如客戶的社交連接或者可能捆綁銷售產(chǎn)品。實體和關(guān)系的數(shù)量在現(xiàn)實問題中相當(dāng)大，且要求高性能計算硬件。

HPC也能夠幫助處理企業(yè)實時事件監(jiān)控，安全信息管理系統(tǒng)為例，可以收集網(wǎng)絡(luò)上的實踐數(shù)據(jù)流，比如登錄失敗、變更管理權(quán)限或者訪問沖突。理想上，這些事件能夠分析且企業(yè)其他發(fā)生的事情有對應(yīng)關(guān)系。自動處理系統(tǒng)，比如Storm和S4，允許用戶分析持續(xù)的數(shù)據(jù)流。Splunk是一個商業(yè)支持的大機數(shù)據(jù)分析工具，用于若干IT事件管理用例，包括應(yīng)用管理、IT操作、安全和法規(guī)遵從。

數(shù)據(jù)中心之外的HPC

盡管HPC經(jīng)常和大數(shù)據(jù)分析結(jié)盟，對于其他業(yè)務(wù)處理HPC也很有用。企業(yè)正在使用建模和仿真工具協(xié)助業(yè)務(wù)改善模板設(shè)計，優(yōu)化機械系統(tǒng)性能并分析組件失敗。一些仿真事件，比如為汽車的氣流建模，需要基于不同設(shè)備的計算密集模型。設(shè)計師可以利用建模和HPC來更好地理解在一系列情況下產(chǎn)品功能如何。商業(yè)工具，比如Matlab，和開源工具，比如NumPy和SciPy包，針對Python，廣泛用于這種類型的HPC問題。

其他類型的仿真可以作為系統(tǒng)交互代理的最佳模型，比如人們在流感期間改變了其消費習(xí)慣，或者業(yè)務(wù)響應(yīng)市場情況調(diào)整價格。

Repast是一個廣泛用于模擬業(yè)務(wù)應(yīng)用的工具集，包括消費者市場模型。Repast有針對工作站的Java版本以及更小的集群，或者HPC C++版本。