パーシャルメッセージロギングを改善する耐故障性実現フレームワーク

概要

論文の詳細を見る
近年のスーパーコンピュータにおけるノード数は近年ますます増加の一途をたどっている.それに伴い HPC システムにおける故障間隔は無視できない程に短くなり,長時間かかるアプリケーションの実行などにおいてはそれが深刻な問題になり得る.そしてその問題を解決するための耐故障性実現機構として連携チェックポインティングやメッセージロギング方式が提案されている.しかし,連携チェックポインティングでは故障発生時に全てのプロセスがチェックポイントまでロールバックするためにリソースの無駄を生じる.そして一方のメッセージロギング方式では,全ての通信ログを取って置かなければならないため,大きな通信オーバーヘッドがかかってしまう.その両方のデメリットを緩和するための方法として,プロセスをいくつかのクラスタに分割し,そのクラスタ内では連携チェックポインティング,クラスタ間ではメッセージロギングを採用するパーシャルメッセージロギングが提案されている.その中で本研究では,実行時の情報を用いて先行研究の問題点を解決し改善するためのフレームワークを提案する.まず先行研究では,プロセスのクラスタリングを行う為に必要な実行時の通信情報が与えられることを前提としているが,本フレームワークでは,アプリケーションのメインのループを指定してもらい,そのループの通信を解析することで適切なクラスタリングを取得する.また,先行研究ではグラフパーティショニングツールを用いているが,グラフバーティニングツールは汎用的なグラフ分割を対象にしており,プロセスのクラスタリングには比較的長い時間を要する.そこで本研究では,プロセスがどのようにノードに割り当てられているかの情報を利用することでより単純で高速にプロセスを分割するアルゴリズムを本フレームワーク上に実装する.そして,単純なステンシル計算をシミュレートするグラフ分割で提案手法の評価を行う.
2012-12-06

パーシャルメッセージロギングを改善する耐故障性実現フレームワーク

スポンサーリンク

概要

著者

関連論文

スポンサーリンク