A mesterséges intelligencia fejlődésével egyre nagyobb az igény a hatékony és skálázható számítási kapacitásra. Erre a kihívásra reagálva a HUN-REN Cloud 2025. február 19-én online workshopot szervezett, amely bemutatta a kutatók számára, hogyan használhatják ki egyszerre több GPU erőforrást a felhőalapú infrastruktúrában.
A rendezvényen a HUN-REN SZTAKI szakértői, köztük Kacsuk Péter, Lovas Róbert, Emődi Márk és Bánfi Konrád, ismertették a Slurm Workload Manager működését és a GPU-alapú számítási erőforrások hatékony felhasználását. A poltextLAB csapata is részt vett az eseményen, hogy megismerje a lehetőségeket, amelyek a társadalomtudományi kutatásokban is alkalmazhatóak. Az esemény egyik legfontosabb témája a HUN-REN Cloud infrastruktúrájának frissítése volt, amely lehetővé teszi több GPU erőforrás egyidejű, intenzív használatát két különböző üzemmódban: valós idejű interaktív munkára és előre beállított futtatásokra. A rendszer alapját az IaaS (Infrastructure as a Service) és PaaS (Platform as a Service) közötti átállás képezi, amely hatékonyabb erőforrás-kihasználást biztosít.
Az előadások során bemutatták a SLURM (Simple Linux Utility for Resource Management) ütemező rendszer szerepét a GPU erőforrások elosztásában, amely a legnépszerűbb a linux alapú HPC-kben, valamint a Singularity konténer-alapú környezetet, amely lehetővé teszi az izolált és előre létrehozott környezet futtatását. Az új rendszer két fő job típust támogat: interaktív (Jupyter) módot maximum 7 napos futtatási idővel, és kötegelt (batch) módot maximum 24 órás futtatási idővel, lehetővé téve a kutatók számára, hogy maximálisan kihasználják a GPU kapacitásokat. A workshop során a résztvevők megismerhették a rendszer által biztosított 13 TB tárhelykapacitást, a felhasználónként elérhető 100 GB-os kvótát, valamint a készülő publikus dashboardot, amely valós idejű betekintést nyújt az erőforrások kihasználtságáról. A HUN-REN Cloud GPU kapacitásának optimalizálása komoly előrelépést jelenthet az AI-alapú társadalomtudományi kutatásokban, a felhőalapú számítási rendszerek fejlődésével a kutatók egyre gyorsabban és hatékonyabban dolgozhatnak a mesterséges intelligenciára épülő projekteken.
Források:
