You are viewing an old version of this page. View the current version.

Compare with Current View Page History

« Previous Version 6 Next »

Na klasteru su instalirane CPU (klasični procesori) i GPU (grafički procesori) varijante Amber programskog paketa u serijskoj i paralelnoj izvedbi.

Programski paket Amber je podijeljen u dva dijela:

  • AmberTools - skup javno dostupnih programa koji se distribuiraju pod slobodnom licencom GPL

  • Amber - simulacijski program pmemd koji nije javno objavljen i distribuira se pod ograničenom licencom

Priprema instalacije

Priprema obuhvaća:

  1. otpakiranje arhive Amber16.tar.bz2
    • sadrži izvorni kod simulacijskog programa pmemd
  2. otpakiranje arhive AmberTools16.tar.bz2
  3. instalacija Parallel NetCDF biblioteke
    • biblioteka je preduvjet za paralelnu izvedbu Ambera

Otpakiranje izvornog koda:

# tar -xjf Amber16.tar.bz2
# tar -xjf AmberTools16.tar.bz2

Instalacija Parallel NetCDF biblioteke

# git clone https://github.com/Parallel-NetCDF/PnetCDF.git
# cd PnetCDF
PnetCDF# autoreconf -i
PnetCDF# ./configure --prefix=/apps/PnetCDF
PnetCDF# make -j8
PnetCDF# make install

CPU Amber

Instalacija serijske izvedbe Amber je obavljena kompajliranjem izvornog koda s kompajlerom Intel 2019:

amber16# source amber.sh
amber16# module load intel/2019
amber16# ./configure -noX11 --with-python /usr/bin/python --python-install local intel
amber16# make -j8

Instalacija paralelne izvedbe Amber je obavljena kompajliranjem izvornog koda s kompajlerom Intel 2019 i MPI implementacijom MVAPICH 2.2:

amber16# source amber.sh
amber16# module load mpi/mvapich2-intel-2.2-x86_64 
amber16# ./configure -rism -mpi -noX11 --with-pnetcdf /apps/PnetCDF --with-python /usr/bin/python --python-install local intel
amber16# make -j8

Dostupne verzije:

VerzijaModul
16amber/16

Primjeri korištenja

Paralelne izvedbe Amber poslova:

#$ -N amber-cpu-parallel
#$ -q p28.q
#$ -pe *mpi 14
#$ -cwd

module load amber/16

mpirun -np $NSLOTS pmemd.MPI -O -i MD.in -o MDp.out -p ionic_gelator.prmtop -c HEAT.rst -r MDp.rst -x MDp.mdcrd -inf MD.info
#$ -N amber-cpu-parallel
#$ -q p28.q
#$ -pe *mpi 14
#$ -cwd
 
module load amber/16

mpirun -np $NSLOTS MMPBSA.py.MPI -O -i mmpbsa.in -o rezultat.dat -sp ionicbox_C5_BF4.prmtop -cp com.top -rp rec.top -lp lig.top -y MD.mdcrd

GPU Amber

Instalacija serijske izvedbe Amber je obavljena kompajliranjem izvornog koda s kompajlerom Intel 2017 te paralelnim frameworkom CUDA-9.0:

amber16# module load cuda/9-0 
amber16# module load intel/2017
amber16# ./configure -cuda intel

Instalacija paralelne izvedbe Amber je obavljena kompajliranjem izvornog koda s kompajlerom Intel 2017, MPI implementacijom MVAPICH-2.2 te paralelnim frameworkom CUDA-9.0:

amber16# module load mpi/mvapich2-intel2017-cuda90-2.2-x86_64
amber16# ./configure -cuda -mpi --with-pnetcdf /apps/PnetCDF intel

Dostupne verzije:

VerzijaModul
16amber/16-gpu

Primjeri korištenja

Serijska izvedba Amber poslova:

#$ -N amber-gpu-serial
#$ -pe gpu 1
#$ -cwd

module load amber/16-gpu

cuda-wrapper.sh pmemd.cuda -O -i MD.in -o MD_8.out -p ionic_gelator.prmtop -c MD_7.rst -r MD_8.rst -x MD_8.mdcrd -inf MD_8.info

Važno

Aplikacija (pmemd.cuda) u serijskoj izvedbi se mora pozivati s cuda-wrapper.sh!

Paralelna izvedba Amber poslova:

#$ -N amber-gpu-parallel
#$ -pe gpusingle 2
#$ -cwd

module load amber/16-gpu

mvapich-wrapper.sh pmemd.cuda.MPI -O -i MD.in -o MD_1.out -p ionic.prmtop -c MD.rst -r MD_1.rst -x MD_1.mdcrd -inf MD_1.info

Važno

Aplikacija (pmemd.cuda.MPI) u paralelnoj izvedbi se mora pozivati s mvapich-wrapper.sh!

Preporuka

Koristiti paralelnu okoline gpusingle kako bi svi zatraženi grafički procesori bili dodijeljeni s istog fizičkog čvora jer širenje paralelnih GPU Amber poslova na više fizičkih čvorova ne doprinosi performansama.








  • No labels