Benchmark

Overview

HPC(High Performance Computing) 벤치마크는 고성능 컴퓨팅 시스템의 성능을 측정하고 비교하기 위한 표준화된 테스트 도구입니다.

Summary

• 무엇인가? HPC 시스템 성능 측정 벤치마크 도구 모음
• 왜 필요한가? GPU/CPU 성능 비교, 시스템 최적화, 벤치마킹 기준 마련
• 언제 사용하는가? 시스템 도입 평가, 성능 튜닝, 비교 분석

---

Purpose

이 문서가 존재하는 이유

• Goal: 주요 HPC 벤치마크 도구 목록, 설명, 사용 방법 제공
• Scope: HPL-GPU, HPL, HPCG, NAMD, LAMMPS, TensorFlow, PyTorch, NVIDIA HPC-Benchmarks
• Non-goals: 벤치마크 결과 해석 가이드, 커스텀 벤치마크 작성

---

Key Concepts

벤치마크	설명	Related
HPL-GPU	GPU 성능 측정을 위한 CUDA 지원 HPL 커스텀 벤치마크	CUDA
HPL 2.3	밀집 선형 시스템 솔버 — High Performance Linpack Benchmark	HPL-GPU
HPCG 3.1	High Performance Conjugate Gradient 솔버	HPL
NAMD 3.0a11	분자 동역학(Molecular Dynamics) 시뮬레이션	LAMMPS
LAMMPS	분자 동역학 시뮬레이션 패키지	NAMD
TensorFlow 1.15.5	ML/AI 프레임워크	PyTorch
PyTorch 1.13.0a0	ML/AI 프레임워크	TensorFlow
NVIDIA HPC-Benchmarks	HPL-NVIDIA, HPCG-NVIDIA, NCCL 등 통합 컨테이너	CUDA

---

Architecture

HPC 벤치마크 분류:

graph TD
    A[HPC 벤치마크] --> B[선형대수]
    A --> C[분자동역학]
    A --> D[ML/AI]
    B --> E[HPL-GPU]
    B --> F[HPL 2.3]
    B --> G[HPCG 3.1]
    C --> H[NAMD 3.0a11]
    C --> I[LAMMPS]
    D --> J[TensorFlow 1.15.5]
    D --> K[PyTorch 1.13.0a0]

---

Workflow

NVIDIA HPC-Benchmarks 컨테이너 사용:

1. 컨테이너 풀
2. docker pull nvcr.io/nvidia/hpc-benchmarks:23.5

1. HPL 실행
2. docker run --gpus all nvcr.io/nvidia/hpc-benchmarks:23.5 hpl

1. HPCG 실행
2. docker run --gpus all nvcr.io/nvidia/hpc-benchmarks:23.5 hpcg

---

Detailed Explanation

HPL-GPU

GPU 성능을 측정하기 위한 CUDA 지원 HPL 패키지 커스텀 벤치마크입니다. 인터넷에 많은 HPL-GPU가 있지만, 배경 정보와 함께 컴파일 방법을 설명하는 단일 사이트는 없습니다. 따라서 how to compile HPL-GPU 페이지를 만들어 관심 있는 사람들을 위해 시작했습니다.

HPL 2.3

밀집(dense) 선형 시스템을 더블 정밀도(64비트) 산술로 분산 메모리 컴퓨터에서 해결하는 소프트웨어 패키지입니다. High Performance Computing Linpack Benchmark의 이식 가능하고 무료로 사용 가능한 구현으로 간주할 수 있습니다.

태그: nvcr.io/nvidia/hpc-benchmarks:21.4-hpl

HPCG 3.1

High Performance Conjugate Gradient 솔버

태그: nvcr.io/nvidia/hpc-benchmarks:21.4-hpcg3.1

NAMD 3.0a11

분자 동역학(Molecular Dynamics) 시뮬레이션

태그: nvcr.io/hpc/namd:3.0-alpha11

LAMMPS

분자 동역학(Molecular Dynamics) 시뮬레이션

태그: nvcr.io/hpc/lammps:patch_4May2022

TensorFlow 1.15.5

ML/AI 프레임워크

태그: nvcr.io/nvidia/tensorflow:22.09-tf1-py3

PyTorch 1.13.0a0

ML/AI 프레임워크

태그: nvcr.io/nvidia/pytorch:22.09-py3

NVIDIA HPC-Benchmarks

hpc-benchmarks:23.5 컨테이너 이미지는 다음 패키지가 내장되어 제공됩니다:

• HPL-NVIDIA 23.5.0
• HPL-AI-NVIDIA 23.5.0
• HPCG-NVIDIA 23.5.0
• NVIDIA HPC-X 2.15 for CUDA 12.x
• NVIDIA NCCL 2.16.5 for CUDA 12.x
• Intel MKL 2020.4-912

NVIDIA의 HPL 벤치마크는 시스템에 GRDCopy가 설치되어 있어야 합니다. GRDCopy 설치 정보

GDRCopy는 Quadro- 및 Tesla-class GPU만 지원합니다.

---

Configuration

NVIDIA HPC-Benchmarks 컨테이너 설정

# 컨테이너 풀
docker pull nvcr.io/nvidia/hpc-benchmarks:23.5

# 컨테이너 실행 (GPU 사용)
docker run --gpus all --rm -it nvcr.io/nvidia/hpc-benchmarks:23.5

# HPL 실행
docker run --gpus all nvcr.io/nvidia/hpc-benchmarks:23.5 hpl

# HPCG 실행
docker run --gpus all nvcr.io/nvidia/hpc-benchmarks:23.5 hpcg

---

Examples

Example 1: HPL-GPU 컴파일

how to compile HPL-GPU 페이지를 참조하세요.

Example 2: NVIDIA HPC-Benchmarks 실행

입력:

docker run --gpus all --rm nvcr.io/nvidia/hpc-benchmarks:23.5 hpl

---

Best Practices

• GRDCopy 설치 — NVIDIA HPL 벤치마크에 필수
• GPU 호환성 확인 — GDRCopy는 Quadro/Tesla class GPU만 지원
• 컨테이너 버전 관리 — 일관된 버전 사용으로 재현성 확보
• HPL-GPU — 컴파일 가이드는 how to compile HPL-GPU 참조

---

Limitations

• GDRCopy는 Quadro/Tesla class GPU만 지원 (RTX 시리즈 미지원)
• HPL-GPU 컴파일 가이드 별도 문서 필요
• 컨테이너 기반 — 호스트 GPU 드라이버 호환성 필요

---

References

• https://www.pugetsystems.com/labs/hpc/nvidia-rtx4090-ml-ai-and-scientific-computing-performance-preliminary-2382/
• https://www.pugetsystems.com/labs/hpc/how-to-run-an-optimized-hpl-linpack-benchmark-on-amd-ryzen-threadripper-2990wx-32-core-performance-1291/
• https://www.amd.com/en/developer.html
• https://catalog.ngc.nvidia.com/orgs/nvidia/containers/hpc-benchmarks

---

Related Pages

• CUDA
• how to compile HPL-GPU
• GPU
• NVIDIA
• Docker

---