Parallel C语言级容错机制的设计与实现

• 作者: 何王全 方燕飞 漆锋滨 董恩铭 魏迪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 容错 降级 检查点 Parallel C语言
• 年，卷（期）: 2018,（17）
• 所属期刊栏目: 理论与研发
• 页码范围: 41-49,61
• 页数: 10页
• 分类号: TP309.2
• 字数: 10179字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1801-0132

摘要

大规模异构众核计算机系统具有计算能力强、性能功耗比高等突出优点,已成为超级计算机的发展方向,但其复杂的异构结构和庞大的系统规模,也使系统的可用性面临巨大挑战,因此研究面向大规模异构众核系统的轻量级容错技术具有重要意义.针对传统基于检查点的系统级容错开销过大的问题,在Parallel C语言中设计并实现了故障局部感知的轻量级降级、编译指导与自动分析的检查点等语言支持的容错机制,兼顾了好用性和高效性.局部故障感知的轻量级降级结合动态任务调度框架实现,支持众核系统,可扩展到百万以上并行规模;编译指导与自动分析的检查点通过程序员插入简单的编译指示,由编译器进行分析,提示不需要保留的数据,可有效降低保留恢复的数据量.神威太湖之光超级计算机上的测试数据表明,两种容错措施相对于传统容错方法效果良好,轻量级降级的容错开销小于1％,相对于传统回卷容错方法单次故障执行时间可减少3.5％以上,编译指导与自动分析的检查点在典型应用中最多可将保留量降低至1/10,具有很好的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何王全		15	35	4.0	5.0
2	漆锋滨		5	30	2.0	5.0
3	方燕飞		8	30	3.0	5.0
4	魏迪		9	15	2.0	3.0
5	董恩铭		1	0	0.0	0.0