HPC的数据需求如何？

    对于企业用户而言，集群计算技术可以令它们在执行工程模拟时获得不可思议的性能飞跃。
 
    而就在数年前，如果一个汽车公司想分析出一个引擎的热输出，他们会采用这样的方式——先让这个引擎运行在60英里/小时的状态下，保持一个小时，然后测量该引擎的热输出。这样测到的结果就是一个相对静态的指标。

    而今天，对高性能计算应用日益老练的用户可以实现瞬间分析模式——先让引擎空闲20分钟，然后迅速提速到60英里/小时，然后熄火，然后再提速，尽可能地模拟真实世界的情况，并捕捉到所有的数据点。

    在静态分析模式下，不会产生巨大的数据量也就不需要解决巨大的数据量；而瞬间分析模式将会产生海量的信息，这将吞噬掉无数的CPU时间。

    如果企业负担不起处理瞬间动态水平下的细节，那么，结果就是只能降低准确率并只能获得单向度的处理快照。

    采用集群的配置模式，公司能把令全部CPU有效地以并行和扩展方式运行，以满足瞬间分析模式下的更高需求。大量的时间被将会花费在瞬间分析上，因为它更精确也更有用。

    由于计算机能耗成本的降低，过往困扰集群的问题现在也已经变得异常容易。

    一些大的汽车企业甚至还设立了专门的存储环境，例如一个大的SAN方案，并完全取消了本地存储。

    在一个并行文件系统中，并行数据块会在多样化存储服务器上的多种存储上穿行。

    由于价格便宜、性能可用的服务器和存储设备可以迅速增加，集群的吞吐量能轻易地实现翻倍甚至三倍。显然，HPC要保存应用数据的需求正在快速增长，并将持续增长——正如上面例子中的汽车企业的应用实例，瞬时动态分析将成为越来越多行业将采用的技术趋势。