超算TOP500中的Linux占比——OperatingSystem&OperatingSystemFamily

2022-09-18-21:28:59

老师作业说明： TOP500中国超算占比，LINUX系统占比

说明：当时使用的是bing搜索，中国超算占比其实澎湃新闻什么的都有介绍，但是我对它的数据来源持怀疑态度，索性自己去官网上看资料，后面解决Linux系统占比问题时，也是直接想着在官网解决，其实后面和同学说起，他说直接百度就行了。嗯，确实，但是当时思维受限了，不过后面倒是发现了一些小结果，也不算是时间白费吧，不过以后要是这种不太重要的问题，时间不够的话，希望自己能直接用数据；有空的话，探索一下还是很快乐滴。

下面是我的探索求证过程，碎碎念的，要想直接看到结论的直接滑到底部就行。

正文：

根据2022年6月份的统计数据，中国共有173台超算进入榜单，占全球34.6%，排名第一。这个问题不大，上top500官网，STATISTIC下拉列表的List Statistic选了Country为中国就能看到数量。

接下来看Linux系统占比，在List Statictic下面选了没看到，后面去用Development Over Time就能直接看到占比了。当时看到了“Operating System”和“Operating System Family”两个选择，就都试了试，想看看是不是有什么区别，没想到还真的试出区别了，“Operating System”(就是操作系统)下看到的是Linux占比48%，但在“Operating System Family”(就是操作系统系列)下，却是100%，我一下懵了。但是之后对比两个图（见下面图1），容易看到，上图有很多类别，下图则基本只有Linux、UNIX、Windows等，感觉上像是大类的意思。再仔细看，发现Operating System那里，Solaris本就是基于UNIX衍生出来的一个系统，可以说是UNIX的一个子类，但是这个图里它和UNIX并列，该是区分了这两种操作系统。而后显然，这在Operating System Family里就不存在了；FreeBSD则是UNIX出来后较早的一个分支，差别还挺大，区分一下也情有可原。

后面又去点看着像图表的Treemaps来看，左图是Operating System(OS)，右图是Operating System Family（OS Family）的情况，在OS选项下，我看到Ubuntu、CentOS、RHEL等Linux的发行版和Linux竟然是并列关系，这时脑子里已经初步猜测：操作系统和操作系统系列的区别，大抵就是基于linux内核的操作系统（distribution）和linux内核的区别。由于大家可以基于开源的Linux内核做出相对应的套件，就可以有很多操作系统，但是众多操作系统它们的内核都是Linux。

 后面想在网上找文章验证我的观点，但是网上连“操作系统系列”这个概念都很少。。。随后去问老师，且问我的猜测，嗯。。。老师的回答有点哲学化，但是从老师那里我知道超算的Linux系统占比该是100%。后面索性直接搜英文的文章（果然要逼自己一把，搜到了才发现原来生词什么的完全很少，而且因为是自己想知道的，不懂的重要动词名词立刻查一下，就理解得七七八八了）其实也没找到答案，但是有句话中文翻译过来是“这个要看你怎样去定义这个术语”，觉得挺有道理，想着其实这个有点看这个网站是怎么去定义OS和OS Family，后面到了饭点，就去吃饭了，想着等一下再看看那些从属关系。

回来路上遇上个大佬，他说你看到一个不懂的，没见过的，就先百度百科一下，他们打数模、比赛也是，一堆没见过的代码放过来，就上网百度看它是什么，就是这些又不是什么知识壁垒的东西，大体的逻辑都知道，不过是没见过这个事物而已。我惊觉，我还真没在百度上搜一下“操作系统系列”，【其实百度有它的优势，你想搜经验贴之类的，百度比bing搜索更胜一筹，有时候一些文章在bing没搜到，能在百度搜到】赶紧搜一下，好吧，没结果。他又回想一下，说老师好像说过操作系统都是串行，会不会是超算里面有一些是并行的，就是有两个操作系统那种。这给我提供了另一个思考的方向。

开始先搜索一下超算是有多少个操作系统，上了知乎，看了超算和我们平时的PC机不太一样，我对它除了个top500榜外其实一无所知，当然我也没必要了解那么多，我的重点在于看它的操作系统数。结果是超算可以看作是很多台计算机，操作系统可以有多个，但是为了方便，便于彼此间的接口什么的，一个就够了。而且现在的计算机有并行操作系统，那是另外的操作系统。又直接去搜超算的操作系统，有意思的事情来了，美国那个Frontier用的是HPE Cray OS，嘿，这玩意是啥，在OS选项下的图片占比没有它呀，百度、bing搜索，都搜不到它究竟是个什么样的操作系统。这时候，我意识到，或许维基百科才能解我疑惑，搜索HPE Cray OS后，我看到了它的词条列表有个与TOP500相关的，点进去，维基百科在页面上查找关键词“Operating System”，快速定位，发现超算的OS确实都标了Linux：

理论上HPE Cray OS要是基于Linux内核开发的话，那它也该在OS那里吧，难道我的猜想错误？有点绕晕了。

先读下去再看看，惊喜发现：（粉红荧光部分文字）

谷歌翻译：TOP500系统的所有操作系统都是基于Linux家族的，但上面的Linux是通用Linux。

2021年时的TOP500，OS选项下的Linux系统确实是264/500=0.528

到这里，看来我的猜想应该是正确的。但是还不够，这个说服力不是很强，继续扫完Operating System先，发现了一句话：

The last non-Linux computers on the list – the two AIX ones – running on POWER7 (in July 2017 ranked 494th and 495th^[99] originally 86th and 85th), dropped off the list in November 2017. 

谷歌翻译：名单上的最后一台非 Linux 计算机——两台 AIX ——在 POWER7 上运行（2017 年 7 月排名第 494 位和第 495 位[99]，最初排名第 86 位和第 85 位），于 2017 年 11 月从列表中掉下来。

最后的非Linux超算机，关键数据！我跑去top500看了2017年的超算系统占比：

 

 这个接下来要是AIX是UNIX内核开发的操作系统，那我的猜想就得到直接的证明。

后面来源百度百科：AIX是IBM基于AT&T Unix System V开发的一套类UNIX操作系统。  其它的则这么表述：

 显然，AIX是基于UNIX的操作系统。在Operating System下，AIX是基于UNIX开发出来的跟原来的UNIX不一样的操作系统，但是它毕竟是UNIX那边的，所以在Operating System Family 下他们就是一个系列的。

最终结论：我的猜测方向是对的，不过，更严谨地来说，是操作系统和操作系统系列的区别，大抵就是现有的基于linux内核的操作系统发行版（distribution）和基于linux内核自己研发的操作系统的区别。大家都是基于Linux内核，所以都是Linux OS Family，但是有些很成自己风格的Linux OS，不认为是“通用Linux”OS。本来TOP500那里它就是这么划分了像CENTOS、Ubuntu、RHEL这些Linux发行版算做Linux操作系统“分出来”的，而像HPE Cray这些虽也是基于Linux内核开发的OS，但大家用得比较少，归到了“generic Linux”即通用Linux下。

总结经验：像这种新概念，先去bing、百度搜搜看有没有相关的解释，没有的话再试试它本来语言的百科，（全球范围内的，维基百科还是比较全的），那里或许就有相关的链接。也想起之前关于使用搜索的情况，除了搜素引擎和搜索的技巧（如+、filetype：pdf这种）外，有些很好的网站也是需要收藏，因为搜索引擎不一定给你推荐到它，但它确实有很多专业的解释。