上一篇《EDA云實證Vol.1：從30天到17小時，如何讓HSPICE仿真效率提升42倍？》里，我們幫一家Design House提高了使用HSPICE進行芯片設(shè)計仿真的效率。

　　而設(shè)計好的集成電路圖案需要通過光刻機轉(zhuǎn)印到晶圓上才能完成制造，這就是芯片制造中最重要的一個步驟——光刻。

　　在先進工藝特別是 FinFET 工藝中，計算光刻已經(jīng)成為光刻工藝研發(fā)的核心。

　　光學(xué)鄰近效應(yīng)校正（Optical Proximity Correction，OPC）屬于計算光刻技術(shù)的一種，主要是利用軟件和高性能計算，來模擬仿真光刻過程中的光學(xué)和化學(xué)過程，通過仿真建立精確的計算模型，然后調(diào)整圖形的邊沿不斷仿真迭代，直到逼近理想的圖形，最終加速工藝研發(fā)周期的目標(biāo)。

　　這一過程對計算資源的需求隨著模型的精確度呈指數(shù)級別增長。

　　舉個例子，一款7nm芯片需要高達100層的光罩，每層光罩數(shù)據(jù)都需要使用EDA工具進行OPC的過程。整個過程對硬件算力要求很高，EDA工具需要運行在幾千核的服務(wù)器CPU上，動輒就是幾十萬核時。

　　我們通過今天的實證驗證了如何在不同場景下，大幅幫用戶縮短OPC運行時間，同時確保云端和本地計算結(jié)果的完全一致性和計算性能的穩(wěn)定性。

　　這次實證涉及的場景很細致，既有License服務(wù)器的配置地點，又有不同調(diào)度器，還一一對云上計算結(jié)果和本地做了數(shù)據(jù)對比，使用的計算資源數(shù)量跨度也很大，從80-5000核不等，非常細致，極具參考性。

　　實證背景信息

　　A社是一家大型IC設(shè)計公司，隨著近年業(yè)務(wù)規(guī)模不斷擴大，OPC相關(guān)計算需求增大。

　　但A社本地機房空間不足，原先傳統(tǒng)托管IDC模式也難以滿足彈性需求，導(dǎo)致大量任務(wù)出現(xiàn)排隊，無法及時輸出成果，拖慢了整個IC研發(fā)進程。

　　公司希望在本地建設(shè)和IDC托管之外，尋求具備彈性的大規(guī)模算力來滿足業(yè)務(wù)高峰期的需求，來滿足業(yè)務(wù)擴展需求。

　　實證目標(biāo)

　　1、OPC任務(wù)能否在云端有效運行？

　　2、fastone平臺能否滿足業(yè)務(wù)彈性資源需求，有效減少OPC運行時間？

　　3、License Server配置在本地和云端對計算性能/一致性/穩(wěn)定性是否有影響？

　　4、fastone能否支持不同調(diào)度器SGE/Slurm？使用不同調(diào)度器對計算性能/一致性/穩(wěn)定性是否有影響？

　　5、fastone平臺的云端輸出計算結(jié)果是否與本地完全一致？

　　實證參數(shù)

　　平臺：

　　fastone企業(yè)版產(chǎn)品

　　應(yīng)用：

　　Synopsys Proteus?OPC

　　適用場景：

　　在提交設(shè)計到制造之前，模擬仿真光學(xué)鄰近效應(yīng)校正，從理論上探索增大最小可分辨特征尺寸（Minimum Resolvable Feature size，MRF）和工藝窗口（Process Window，PW）的途徑，指導(dǎo)工藝參數(shù)的優(yōu)化。

　　License配置：

　　本次實證分別驗證了License Server部署在本地和云端的表現(xiàn)。

　　云端硬件配置：

　　本次實證涉及的考察因素比較多，尤其是本地和云上進行了同步一對一對比。用戶希望和本地硬件配置盡量保持一致，有更好的可比性，所以選擇了跟本地接近的內(nèi)存密集型實例機型。

　　調(diào)度器：

　　本次實證同時采用了SGE和Slurm兩種調(diào)度器。

　　技術(shù)架構(gòu)圖：

　　兩個紅框表示EDA License Server分別部署在本地或云端。

　　應(yīng)A社對于數(shù)據(jù)保密的要求，

　　本實證所有數(shù)據(jù)均經(jīng)過處理。

　　實證場景一

　　5000核大規(guī)模OPC業(yè)務(wù)上云驗證

　　結(jié)論：

　　1、云端調(diào)度5000核計算資源運算一組OPC任務(wù)，耗時為80核計算資源運算耗時的0.019倍，相當(dāng)于從一個月縮短到13.8小時；

　　2、公有云廠商大內(nèi)存型資源數(shù)量不算多，單個區(qū)域想要一次性獲取高達5000核的內(nèi)存型實例很難實現(xiàn)。fastone平臺的Auto-Scale功能可在較短時間內(nèi)，根據(jù)用戶需求，自動化跨區(qū)調(diào)度到大量目標(biāo)類型計算資源。

　　實證過程：

　　1、云端調(diào)度80核計算資源運算一組任務(wù)，耗時為x；

　　5、云端調(diào)度5000核計算資源運算一組任務(wù)，耗時為0.019x。

　　關(guān)于通過fastone平臺的Auto-Scale功能基于用戶時間優(yōu)先策略和成本優(yōu)先策略自動調(diào)度本區(qū)域及其他區(qū)域的目標(biāo)類型或相似類型實例資源，這篇文章《生信云實證Vol.3：提速2920倍！用AutoDock Vina對接2800萬個分子》里有詳細說明。

　　實證場景二

　　License Server配置在本地VS云端

　　云上VS本地：計算性能/一致性/穩(wěn)定性驗證

　　結(jié)論：

　　1、License Server部署在本地和云端對于計算結(jié)果無影響；

　　2、云端和本地分別運行相同OPC任務(wù)：

　　計算性能：云上計算時間均優(yōu)于本地；

　　一致性：云端和本地計算結(jié)果均完全一致；

　　穩(wěn)定性：集群運行均無中斷，GUI啟動均正常。

　　實證過程：

　　1、License Server部署在本地，云上調(diào)度80/240/480/1600/3200/5000核計算資源運行OPC任務(wù)，本地同步運行80/240/480/1600/3200/5000核相同OPC任務(wù)；

　　2、License Server部署在云端，云上調(diào)度80/240/480/1600/3200/5000核計算資源運行OPC任務(wù)，本地同步運行80/240/480/1600/3200/5000核相同OPC任務(wù)。

　　實證場景三

　　License Server配置在本地VS云端

　　云端擴展性驗證

　　結(jié)論一：

　　1、License Server配置在本地，使用云端資源運算OPC任務(wù)，性能隨資源增加線性提升。

　　注：參考值分別為：80核-1、240核-0.3333、480核-0.1667、1600核-0.05、3200核-0.025，5000核-0.016。

　　實證過程：

　　將License Server部署在本地：

　　1、云端調(diào)度80核計算資源運算Case1，耗時為x；

　　2、云端調(diào)度240核計算資源運算Case1，耗時為0.3375x；

　　3、云端調(diào)度480核計算資源運算Case1，耗時為0.1679x；

　　4、云端調(diào)度1600核計算資源運算Case1，耗時為0.0518x；

　　5、云端調(diào)度3200核計算資源運算Case1，耗時為0.0285x；

　　6、云端調(diào)度5000核計算資源運算Case1，耗時為0.0216x；

　　7、云端調(diào)度80核計算資源運算Case2，耗時為y；

　　8、云端調(diào)度240核計算資源運算Case2，耗時為0.3389y；

　　9、云端調(diào)度480核計算資源運算Case2，耗時為0.1682y；

　　10、云端調(diào)度1600核計算資源運算Case2，耗時為0.0529y；

　　11、云端調(diào)度3200核計算資源運算Case2，耗時為0.0300y；

　　12、云端調(diào)度5000核計算資源運算Case2，耗時為0.0230y。

　　結(jié)論二：

　　License Server配置在云端，使用云端資源運算OPC任務(wù)，性能隨資源增加線性提升。

　　注：參考值分別為：80核-1、240核-0.3333、480核-0.1667、1600核-0.05、3200核-0.025，5000核-0.016。

　　實證過程：

　　將License Server部署在云端：

　　1、云端調(diào)度80核計算資源運算Case1，耗時為x；

　　2、云端調(diào)度240核計算資源運算Case1，耗時為0.3346x；

　　3、云端調(diào)度480核計算資源運算Case1，耗時為0.1672x；

　　4、云端調(diào)度1600核計算資源運算Case1，耗時為0.0515x；

　　5、云端調(diào)度3200核計算資源運算Case1，耗時為0.0270x；

　　6、云端調(diào)度5000核計算資源運算Case1，耗時為0.0191x；

　　7、云端調(diào)度80核計算資源運算Case2，耗時為y；

　　8、云端調(diào)度240核計算資源運算Case2，耗時為0.3390y；

　　9、云端調(diào)度480核計算資源運算Case2，耗時為0.1691y；

　　10、云端調(diào)度1600核計算資源運算Case2，耗時為0.0588y；

　　11、云端調(diào)度3200核計算資源運算Case2，耗時為0.0329y；

　　12、云端調(diào)度5000核計算資源運算Case2，耗時為0.0262y。

　　實證場景四

　　不同調(diào)度器驗證：SGE VS Slurm

　　云端2000核/5000核

　　結(jié)論：

　　1、分別使用SGE和Slurm調(diào)度云端2000核/5000核運行相同OPC任務(wù)，對于計算結(jié)果無影響；

　　2、云端和本地使用不同調(diào)度器分別運行相同OPC任務(wù)：

　　計算性能：云上計算時間均優(yōu)于本地；

　　一致性：云端和本地計算結(jié)果均完全一致

　　穩(wěn)定性：集群運行均無中斷，GUI啟動均正常。

　　實證過程：

　　1、使用SGE調(diào)度器，云上調(diào)度2000核計算資源運算一組OPC任務(wù)，本地同步運行2000核相同OPC任務(wù)；

　　2、使用SGE調(diào)度器，云上調(diào)度5000核計算資源運算一組OPC任務(wù)，本地同步運行5000核相同OPC任務(wù)；

　　3、使用Slurm調(diào)度器，云上調(diào)度2000核計算資源運算一組OPC任務(wù)，本地同步運行2000核相同OPC任務(wù)；

　　4、使用Slurm調(diào)度器，云上調(diào)度5000核計算資源運算一組OPC任務(wù)，本地同步運行5000核相同OPC任務(wù)。

　　這篇文章《億萬打工人的夢：16萬個CPU隨你用》里，我們基于這四家主流調(diào)度器：LSF/SGE/Slurm/PBS以及它們的9個演化版本進行了梳理和盤點，尤其是對云的支持方面劃了重點?？梢粤私庖幌隆?/p>

　　實證小結(jié)

　　1、Proteus?OPC任務(wù)在云端能有效運行；

　　2、fastone平臺能夠大幅度縮短OPC任務(wù)運行時間；

　　3、License Server配置在本地和云端，對計算性能/一致性/穩(wěn)定性沒有影響；

　　4、fastone平臺使用不同調(diào)度器SGE/Slurm，對計算性能/一致性/穩(wěn)定性沒有影響；

　　5、云端和本地運行相同OPC任務(wù)，對計算結(jié)果沒有影響。

　　本次EDA行業(yè)Cloud HPC實證系列Vol.4就到這里了。

　　在下一期實證中，我們將對Virtuoso使用速石平臺進行驗證。請保持關(guān)注哦！