基于Charm++运行时环境的异构计算应用容错研究

• 作者: 孟晨 曹宗雁 王龙 迟学斌
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 容错 异构 无盘检查点 Charm++ 负载均衡 分布式冗余
• 年，卷（期）: 2016,（13）
• 所属期刊栏目: 热点与综述
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP302.8
• 字数: 5943字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1601-0299

摘要

容错问题是大规模并行程序长时间运行中不可回避的问题,超级计算机中异构计算部件的加入使得该问题更加复杂.考察由CPU和GPU组成的异构并行系统中应用程序的容错,利用Charm++并行编程模型和CUDA的并行计算架构,对大规模计算宇宙学软件WIGEON进行重构.针对异构并行系统中存在的fail-stop硬件故障,设计并实现了内存检查点的应用容错机制.支持计算恢复后对产生变化的CPU/GPU资源配置进行自适应负载调整.通过在高性能计算机Mole8.5上的实验和分析,验证了异构容错方案的高效性和可行性,故障恢复时间仅需1~4 s.此外,使用分布式冗余数据改进了Charm++现有内存检查点存储模式,对比原有Double-in-Memory机制,性能未受影响,且最多降低了50%的额外内存使用量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	迟学斌	中国科学院计算机网络信息中心超级计算中心	101	634	14.0	21.0
2	王龙	中国科学院计算机网络信息中心超级计算中心	77	418	11.0	16.0
3	曹宗雁	中国科学院计算机网络信息中心超级计算中心	10	98	4.0	9.0
4	孟晨	中国科学院计算机网络信息中心超级计算中心	2	6	2.0	2.0