容易なアドバイス記述法をもつFault Resilienceプログラム環境構築にむけて

概要

論文の詳細を見る
エクサスケールのHPC環境を実現するに当たり、故障に対処する機能が必須となっている。Fault Toleranceは、システム側で故障に対応するため、故障の局所化が緩く、故障復旧に余計なコストが必要になり、エクサスケール環境の高故障率に耐えられないと考えられている。このため、必要最低限のコストで故障復旧を可能とするために、アプリケーションプログラマが故障対応のコードを記述するFault Resilienceが提案された。しかし、故障検知や利用ライブラリの対処等を考慮した故障対応コードの記述は難度が高く、これを簡易化するフレームワークは必須である。本研究では、故障対応コードのうちアプリケーション特有の手法部分のみのコーディング(アドバイス)を平易に記述する手法について検討を行い、この検討を元に例外処理・条件分岐を利用したアドバイス記述フレームワークを提案した。またベンチマークアプリケーションの1つであるHPLに提案フレームワークをもちいたチェックポイント/リスタート機構を試験実装し、動作の検証をおこなった。
2011-03-08