分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2017-03-10
摘要： 随着高性能计算系统规模的不断扩大，节点失效愈加频发。传统的容错技术大都基于检查点 （checkpoint）方式。但是，检查点技术的开销随着系统规模的扩大而不断增加，在百亿亿次（Exaflops） 规模下其容错效率难以满足系统需求。算法失效恢复技术相比检查点方式具有更高的效率。然而，该技术依然基于停等模式。对于大规模系统，停等模式在很大程度上会影响程序的并行效率。本文提出了一种非 停等的算法级容错策略——热替换策略。在程序运行过程中若发生节点失效，不用停等恢复失效节点上的 数据，而用冗余节点替换失效节点，使计算能继续进行。终的正确结果可以通过一个线性变换求出。为 了论证方案的有效性，我们结合 MPICH 的容错特性实现了容错的 High Performance Linpack (HPL)，并评估 了方案的性能。实验结果表明，即使在小规模下，我们的方案的性能也明显优于算法失效恢复技术。
分类： 计算机科学 >> 计算机软件 提交时间： 2016-06-08
摘要： 随着高性能计算系统规模的不断扩大，节点失效愈加频发。传统的容错技术大都基于检查点（checkpoint）方式。但是，检查点技术的开销随着系统规模的扩大而不断增加，在百亿亿次（Exaflops）规模下其容错效率难以满足系统需求。算法失效恢复技术相比检查点方式具有更高的效率。然而，该技术依然基于停等模式。对于大规模系统，停等模式在很大程度上会影响程序的并行效率。本文提出了一种非停等的算法级容错策略——热替换策略。在程序运行过程中若发生节点失效，不用停等恢复失效节点上的数据，而用冗余节点替换失效节点，使计算能继续进行。最终的正确结果可以通过一个线性变换求出。为了论证方案的有效性，我们结合MPICH 的容错特性实现了容错的High Performance Linpack (HPL)，并评估了方案的性能。实验结果表明，即使在小规模下，我们的方案的性能也明显优于算法失效恢复技术。
点击量
待评议
点击量
下载量
评论
