AIME Compute Server
Der AIME Compute Server ist ein leistungsstarker Forschungsserver des Lehrstuhls für Technische Informatik für rechenintensive Studien- und Forschungsprojekte. Er bietet isolierte LXC-Containerumgebungen mit kontrollierter Ressourcenzuweisung und optionalem GPU-Zugriff.
Zweck & Motivation
Der Server stellt eine zentrale Recheninfrastruktur für Arbeitslasten bereit, die die Kapazitäten typischer Studenten-Laptops oder Büro-Workstations übersteigen, wie beispielsweise KI-Experimente, die Verarbeitung von Sensordaten, Computer Vision und die Analyse von Drohnen-Daten. Er ermöglicht es Studierenden und Forschern, in reproduzierbaren, isolierten Umgebungen zu arbeiten, ohne für jedes Projekt spezielle Hardware einrichten zu müssen.
Technische Beschreibung
Das System läuft unter Ubuntu 24.04 LTS und nutzt LXC/LXD-Container, um die Umgebungen der Studierenden und die Projektumgebungen voneinander zu trennen. Die Container lassen sich mithilfe eines schlanken Skripts bereitstellen, wodurch der Aufwand für die Einrichtung und Bereinigung reduziert wird. Die Studierenden greifen über ihre Zugangsdaten der Universität auf ihre Umgebungen zu und können ihren AFS-Speicher direkt nutzen.
Hardware-Übersicht:
- Serverplattform: ASRockRack SIENAD8-2L2T
- CPU: AMD EPYC 8224P, 24 Kerne / 48 Threads
- Arbeitsspeicher: 192 GB RAM
- GPU: NVIDIA GeForce RTX 5090 mit 32 GB VRAM
- Speicher: 2 × Samsung SSD 990 PRO 2 TB
- Container-Backend: LXD 5.21 LTS mit ZFS-Speicher
Fähigkeiten
- Isolierte Linux-Container für Studierende und Projekte
- Kontrollierte Zuweisung von CPU, Arbeitsspeicher, Speicherplatz und optionalem GPU-Zugriff
- Gemeinsame Nutzung von GPUs für KI- und Computer-Vision-Anwendungen, koordiniert zwischen den Nutzern
- URZ-basierte Authentifizierung
- Direkter Zugriff auf AFS-Speicher
- Schnelle Bereitstellung und Entfernung von Containern für Studierende durch einen vereinfachten, skriptbasierten Workflow
Forschungskontext
Der Server unterstützt Forschungs- und Lehraktivitäten in den Bereichen KI, Sensordatenverarbeitung, Computer Vision und Drohnenanwendungen. Er eignet sich insbesondere für studentische Abschlussarbeiten und Projektarbeiten, die reproduzierbare Rechenumgebungen oder GPU-gestützte Experimente erfordern.
Zu den damit verbundenen Forschungskontexten gehören das Projekt „SmartCargoDrone“ sowie die Infrastruktur rund um die TUC SmartCityCloud, in der Sensor- und Forschungsdaten gespeichert, visualisiert und später verarbeitet werden können.
