使用专有软件和开源软件的客户大多是大学和研究机构。除此之外，还有少数拥有专有软件的大公司，例如壳牌和阿斯麦。这些应用包括天气预报、地震勘探和流体流动等。生物信息学是一个相对较新但发展迅速的 HPC 应用。Marc (ttec) 表示：“这关乎分析 DNA 和基因，识别蛋白质并确定其结构，以及模拟细胞内各种相互作用。”生物信息学处理海量数据，这对 HPC 平台至关重要。数据并不保存在中央存储器中，因为这样就必须通过网络传输。相反，数据分布在计算节点上，
这些节点可以对本地数据进行操作
还有一些公司和工程公司使用商业许可下的计算软件。他们通常购买规模较小的系统，因为许可结构不允许使用大量节点。但这似乎对他们来说很有效。Daniël（Clust
erVision）：“许多公司并不认为自己是高性能计算 (HPC) 用户。他们将一些标准硬件捆绑在一起，但这通常 远非最佳。在这方面还有很大的改进空间。”
云
云计算在 IT 领域的兴起并没有影响到 HPC 领域。Marc (ttec)：“云提供了一种全新、统一且灵活的计算能力访问方式。过去，虚拟化会导致性能严重下降。但现在有云解决方 最近的手机号码数据 可以更好地处理这个问题。首先，它是关于使用云平台（例如OpenStack）作为本地私有集群的资源管理系统。如果您想启动计算作业，您会得到一种可以自行配置的微型集群。这适用于所谓的Docker容器，它是虚拟机的轻量级版本。一个重要的优势是，您可以在容器内配置应用程序所需的一切。这使得系统管理变得更加容易。
在高性能计算 (HPC) 领
像亚马逊或Azure这样的公有云的使用仍然有限。Marc (ttec)：“公有云的成本模型很好，因为您只需 构建行业特定数据集实现垂直领域线索精准化 按实际使用量付费。您无需拥有和管理自己的硬件。但如果您经常使用公有云，成本通常仍然更高。而且，公有云中的数据保密性仍然是一个棘手的问题。”
Daniël（ClusterVision）认为，高性能计算 (HPC) 应用的软件开发人员仍然采用相当传统的工作方式：使用命令行的 shell，手动编译，通过文本文 印度尼西亚号码列表 件配置计算作业，并手动将任务提交到队列。这种工作流程通常包含大量 shell 脚本。这是因为软件一直以来都是这样运行的。Daniël 表示：“但云模式肯定会发展壮大。我们还提供了一个云平台，用于在本地集群上分配计算容量。这使得在需求高峰期更容易将计算资源转移到云端。”