论文部分内容阅读
摘 要：文章分析了目前大数据应用环境和高性能在此环境下的生存现状与大数据的关系，针对目前大数据环境下高校中研究生的高性能计算的教学问题做了探究，对其中实践教学比重薄弱、资源匮乏且未得到充分利用、人才培养与当下大数据时代结合紧密度不够等问题做了详细阐述，并就这些问题指出了研究生HPC教学的改革路线。
关键词：大数据；高性能计算；HPC；实践创新
中图分类号：G642 文献标识码：A
一、引言
在目前热门的大数据的发展趋势下，高性能计算在培养高质量计算机人才和智能技术创新等方面起着重要作用，而研究生教育肩负着为国家现代化建设培养高素质、高层次创造型人才的重任。所以，如何依托计算机学科优势在大数据的新形势下对研究生的高性能计算教育以及针对研究生的高性能平台的建设便是高性能计算改革创新的新重点。
二、大数据与高性能计算的关系
从上图我们可以看到，大数据时代的到来对于高性能计算的革新是一个机遇，我们以HPC作为基础计算平台为大数据提供基础且必需的服务，而大数据作为服务对象和目标需求体改变和提升着高性能计算的系统性能、应用群体和应用模式。
三、现今高校研究生高性能计算的教学问题
纵观国内目前的高性能计算教学，相当一部分高校都存在着各种各样的问题。
（1）并行计算实践环节相对单薄。以桂林理工大学为例，桂林理工大学信息科学与工程学院现有一个学术型硕士点（计算机科学与技术），两个专业型硕士点（软件工程和计算机技术），对于这三个专业的研究生来讲，高性能计算是一门非常有必要学习和掌握的一门专业技术与知识，而就目前的情况来看，由于一些客观原因，高性能计算教学在理论与实践方面还是有一定程度的脱节，除了一些外在因素导致的HPC资源匮乏，很大一部分原因是在研究生的HPC教育与本科生的HPC教育上没有根据两个阶段学生的不同学习水平设置针对性的教学内容。对于研究生来说，没有充分考虑到其对于HPC真正所需的实践性极强的互动性教学需求，即研究生反而比本科生更需要及时地通过实践练习和互动巩固知识点，所以现有的 HP实践教育模式、教育内容的科学规划、实践环境的动态构建、实践平台的交互性、如何利用国家 HPC源等方面有待进一步的突破。
（2）高性能计算平台建设问题。一个好的平台建设是可以吸引用户去使用的，高校中高性能计算平台的建设对研究生的高性能计算的应用是至关重要的。就目前桂林理工大学高性能计算平台建设来说，虽然较前几年已经有了很大的改进，但是由于区域性资源的跟进缓慢，在平台建设效率上还是有待提高。对于研究生来说，如何充分让其利用HPC平台来为自身的学习科研而最大限度利用资源，也是目前我们需要解决的问题之一。
（3）与高性能计算高层次人才培养紧密度不够高。在国家高性能计算研究应用的不断推进中，高性能计算人才的培养也逐渐成为焦点，尤其是在目前大数据时代下，如何通过高性能计算来培养出新型的大数据科学计算领域的人才也是目前部分高校在计算机类研究生科学计算培养方面需要改进的，这是发展我国高性能计算技术的关键。因此，培养高性能计算专业人才、构建教学和人才培养体系、促进高性能计算人才与国家高性能计算技术领域的衔接至关重要。
四、高性能计算在研究生教育中的改革路线
（1）针对研究生的高性能计算的实践环节相对薄弱的问题，教师需要将传统高性能计算课程和有针对性的专业技术培训两种形式的教学模式做一个有机的平衡比结合，这个可针对专业要求按需分配。很多人以为研究生跟本科生比应以多研究理论为主，恰恰相反，尤其是专业学位的硕士研究生，实践能力是将来走向职场非常重要的一项能力。所以，对于研究生高性能计算教学，反而要加大实践环节的比重，以开放共享的 HPC资源为依托，除了要将 HPC专业知识与具体的技术、典型应用相融合，支持课程之间教学内容和资源的共享来培养学生的HPC素养和实践能力；也可通过实践与课题挂钩、实践与项目挂钩、实践与考核挂钩、时间与竞赛挂钩等教学模式来支持学员的自主学习，满足不同层次和不同领域的人才培养需要。
（2）合理配置与充分利用资源。当我们资源不够的情况下，我们就要做到让资源利用最大化，资源占用比要加大。研究生虽然在人数上比本科生少很多，但是不能因为人数而决定用户使用的优先级高低，要按其比重合理分配资源占用比，充分保障研究生群体的平台使用时间。如果要划分使用优先级，可根据专业方向、专业定位、專业需求、项目需求四个层次的资源使用率进行划分。
（3）紧密结合当下大数据环境，培养计算机人才。首先我们要按需订制与教育内容相匹配的软硬件环境，满足研究生多层次和多样性的环境需求，紧密联系目前大数据市场需求，目标化人才培养方向。教师需要与时俱进，在充分研究当下大数据人才培养需求之后，有针对性地对高性能计算的研究生教育教学进行理论和实践方面的整改，建立大数据导向的 HPC人才培养模式，引导学生在个性化的实践练习中不断提升应用的研发能力，研发 HPC 教学内容的制订方法，支持虚拟教学实验室、超算竞赛平台等教学设施的构建，实现培养方案的按需制订，探索以研究项目为载体的培养研究生的有效模式，提高研究生的整体质量。
五、总结
本文通过对目前大数据环境的发展趋势和高性能计算的发展现状的分析，对大数据与高性能计算之间的关系做了一定的探究，发现两者之间的关系其实是密不可分的。在此基础上，我们对目前有硕士点且有高性能计算教育的高校，以桂林理工大学为例对HPC在研究生教学中存在的问题进行分析，结合时下大数据人才培养契合度不够密切等问题做了一定的剖析，最终通过平衡理论与实践课程的比例，同时采用实践与课题挂钩、实践与项目挂钩、实践与考核挂钩、时间与竞赛挂钩等教学模式；通过专业方向、专业定位、专业需求、项目需求四个层次的资源使用率进行划分，并有针对性地对高性能计算的研究生教育教学进行理论和实践方面的整改，建立大数据导向的 HPC人才培养模式来解决上述问题。
参考文献：
[1]陈国良，毛 睿，蔡 晔.高性能计算及其相关新兴技术[J].深圳大学学报（理工版），2015（1）：25-31.
[2]林 皎，陈玉洁，张武生，等.高性能计算平台开放服务的探索与实践[J].实验技术与管理，2012（5）：217-220.
[3]吴伟豪，吴汝明，郭清顺，等.中山大学高性能计算服务平台的建设[J].实验技术与管理，2011（4）.
[4]陈文波，李婵娟，周庆国，等.高性能计算平台基于HPCC的性能分析[J].计算机工程与应用，2008（10）：95-97.
[5]周兴铭.高性能计算技术发展[J].自然杂志，2011（5）.
关键词：大数据；高性能计算；HPC；实践创新
中图分类号：G642 文献标识码：A
一、引言
在目前热门的大数据的发展趋势下，高性能计算在培养高质量计算机人才和智能技术创新等方面起着重要作用，而研究生教育肩负着为国家现代化建设培养高素质、高层次创造型人才的重任。所以，如何依托计算机学科优势在大数据的新形势下对研究生的高性能计算教育以及针对研究生的高性能平台的建设便是高性能计算改革创新的新重点。
二、大数据与高性能计算的关系
从上图我们可以看到，大数据时代的到来对于高性能计算的革新是一个机遇，我们以HPC作为基础计算平台为大数据提供基础且必需的服务，而大数据作为服务对象和目标需求体改变和提升着高性能计算的系统性能、应用群体和应用模式。
三、现今高校研究生高性能计算的教学问题
纵观国内目前的高性能计算教学，相当一部分高校都存在着各种各样的问题。
（1）并行计算实践环节相对单薄。以桂林理工大学为例，桂林理工大学信息科学与工程学院现有一个学术型硕士点（计算机科学与技术），两个专业型硕士点（软件工程和计算机技术），对于这三个专业的研究生来讲，高性能计算是一门非常有必要学习和掌握的一门专业技术与知识，而就目前的情况来看，由于一些客观原因，高性能计算教学在理论与实践方面还是有一定程度的脱节，除了一些外在因素导致的HPC资源匮乏，很大一部分原因是在研究生的HPC教育与本科生的HPC教育上没有根据两个阶段学生的不同学习水平设置针对性的教学内容。对于研究生来说，没有充分考虑到其对于HPC真正所需的实践性极强的互动性教学需求，即研究生反而比本科生更需要及时地通过实践练习和互动巩固知识点，所以现有的 HP实践教育模式、教育内容的科学规划、实践环境的动态构建、实践平台的交互性、如何利用国家 HPC源等方面有待进一步的突破。
（2）高性能计算平台建设问题。一个好的平台建设是可以吸引用户去使用的，高校中高性能计算平台的建设对研究生的高性能计算的应用是至关重要的。就目前桂林理工大学高性能计算平台建设来说，虽然较前几年已经有了很大的改进，但是由于区域性资源的跟进缓慢，在平台建设效率上还是有待提高。对于研究生来说，如何充分让其利用HPC平台来为自身的学习科研而最大限度利用资源，也是目前我们需要解决的问题之一。
（3）与高性能计算高层次人才培养紧密度不够高。在国家高性能计算研究应用的不断推进中，高性能计算人才的培养也逐渐成为焦点，尤其是在目前大数据时代下，如何通过高性能计算来培养出新型的大数据科学计算领域的人才也是目前部分高校在计算机类研究生科学计算培养方面需要改进的，这是发展我国高性能计算技术的关键。因此，培养高性能计算专业人才、构建教学和人才培养体系、促进高性能计算人才与国家高性能计算技术领域的衔接至关重要。
四、高性能计算在研究生教育中的改革路线
（1）针对研究生的高性能计算的实践环节相对薄弱的问题，教师需要将传统高性能计算课程和有针对性的专业技术培训两种形式的教学模式做一个有机的平衡比结合，这个可针对专业要求按需分配。很多人以为研究生跟本科生比应以多研究理论为主，恰恰相反，尤其是专业学位的硕士研究生，实践能力是将来走向职场非常重要的一项能力。所以，对于研究生高性能计算教学，反而要加大实践环节的比重，以开放共享的 HPC资源为依托，除了要将 HPC专业知识与具体的技术、典型应用相融合，支持课程之间教学内容和资源的共享来培养学生的HPC素养和实践能力；也可通过实践与课题挂钩、实践与项目挂钩、实践与考核挂钩、时间与竞赛挂钩等教学模式来支持学员的自主学习，满足不同层次和不同领域的人才培养需要。
（2）合理配置与充分利用资源。当我们资源不够的情况下，我们就要做到让资源利用最大化，资源占用比要加大。研究生虽然在人数上比本科生少很多，但是不能因为人数而决定用户使用的优先级高低，要按其比重合理分配资源占用比，充分保障研究生群体的平台使用时间。如果要划分使用优先级，可根据专业方向、专业定位、專业需求、项目需求四个层次的资源使用率进行划分。
（3）紧密结合当下大数据环境，培养计算机人才。首先我们要按需订制与教育内容相匹配的软硬件环境，满足研究生多层次和多样性的环境需求，紧密联系目前大数据市场需求，目标化人才培养方向。教师需要与时俱进，在充分研究当下大数据人才培养需求之后，有针对性地对高性能计算的研究生教育教学进行理论和实践方面的整改，建立大数据导向的 HPC人才培养模式，引导学生在个性化的实践练习中不断提升应用的研发能力，研发 HPC 教学内容的制订方法，支持虚拟教学实验室、超算竞赛平台等教学设施的构建，实现培养方案的按需制订，探索以研究项目为载体的培养研究生的有效模式，提高研究生的整体质量。
五、总结
本文通过对目前大数据环境的发展趋势和高性能计算的发展现状的分析，对大数据与高性能计算之间的关系做了一定的探究，发现两者之间的关系其实是密不可分的。在此基础上，我们对目前有硕士点且有高性能计算教育的高校，以桂林理工大学为例对HPC在研究生教学中存在的问题进行分析，结合时下大数据人才培养契合度不够密切等问题做了一定的剖析，最终通过平衡理论与实践课程的比例，同时采用实践与课题挂钩、实践与项目挂钩、实践与考核挂钩、时间与竞赛挂钩等教学模式；通过专业方向、专业定位、专业需求、项目需求四个层次的资源使用率进行划分，并有针对性地对高性能计算的研究生教育教学进行理论和实践方面的整改，建立大数据导向的 HPC人才培养模式来解决上述问题。
参考文献：
[1]陈国良，毛 睿，蔡 晔.高性能计算及其相关新兴技术[J].深圳大学学报（理工版），2015（1）：25-31.
[2]林 皎，陈玉洁，张武生，等.高性能计算平台开放服务的探索与实践[J].实验技术与管理，2012（5）：217-220.
[3]吴伟豪，吴汝明，郭清顺，等.中山大学高性能计算服务平台的建设[J].实验技术与管理，2011（4）.
[4]陈文波，李婵娟，周庆国，等.高性能计算平台基于HPCC的性能分析[J].计算机工程与应用，2008（10）：95-97.
[5]周兴铭.高性能计算技术发展[J].自然杂志，2011（5）.