1億並列・エクサスケールスーパーコンピュータの耐故障性基盤

适用于 1 亿台并行百亿亿级超级计算机的容错基础设施

• 批准号: 23240006
• 负责人: 松岡 聡
• 金额: $ 8.32万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (A)
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-23240006/
• 关键词: ハイパフォーマンスコンピューティング; エクサスケール; ヘテロジニアスアーキテクチャ; 耐障害性; チェックポイント・リスタート

科学技術分野において、大規模なシミュレーションではスーパーコンピュータ(スパコン)の利用が不可欠となっている。しかし、スパコンに搭載される機器の増大・複雑化により、障害発生率が増加し、システムが実質的に動作しなくなると危惧されており、チェックポイント/リスタートなどの耐障害手法の適用が不可避となっているが、ポストペタースケールスパコンでは、技術的な課題が残る。このため、初年度は、1億スレッド・ポストペタのための基礎的な複合的なチェックポイント・リスタートを行うための耐故障性の数理モデル・性能モデルを探求し、特にポストペタスケールアプリケーションに適した耐障害手法の億単位のスレッド時の定量的性質を明らかにすることを目的として研究に従事した。実際、ポストペタ・エクサスケールスパコンの最有力アーキテクチャである細粒度長並列プロセッサ+粗粒度プロセッサを併用するハイブリッド型アーキテクチャにおいて、チェックポイント/リスタートは種々の技術的困難を伴う技術であったが、我々は、単一GPUにおける「リプレイ手法(メモリ割り当てやメモリーコピーの履歴を取り、リスタートの際に、その履歴に基づいて再現実行"リプレイ"を行うことにより、整合性の取れたチェックポイントを取る手法)」を拡張し、ノード内およびノード外の複数のCPU・GPUを使用するアプリケーションにおいて、安定かつ一貫性のとれたチェックポインティングを実現した。また、性能面においても、許容されるレベルのオーバーヘッドまでに押さえた。また、我々が開発したライブラリでは既存のプログラムに変更を加えることなく、これを実現することが可能であり、可用性にも優れている。超細粒度並列・ハイブリッド型アーキテクチャにおける透過的なチェックポイントの実現は、学術的インパクトも大きいと期待される。

在科学技术领域，超级计算机的使用已成为大规模模拟的必备条件。然而，随着超级计算机中安装的设备越来越多、越来越复杂，人们担心故障率会增加，系统基本上会停止工作，因此有必要应用检查点/重启等容错方法，但技术挑战仍然存在。用于后彼得规模的超级计算机。为此，第一年我们将探索亿级线程和后千万级应用程序的基本复杂检查点重启的容错数学模型和性能模型，并开发特别适合我所在的后千万级应用程序的模型。从事旨在阐明处理数亿线程时容错方法的定量特性的研究。事实上，在细粒度长并行处理器和粗粒度处理器相结合的混合架构中，这是后千万亿次超级计算机最流行的架构，检查点/重启是一项涉及各种技术难点的技术“重放技术”（Replay）。单个 GPU 上的内存分配和内存分配”此方法已扩展为通过记录服务器副本的历史记录并在重新启动时根据该历史记录来重播它，从而在使用多个 CPU 和 GPU 的应用程序中实现稳定且一致的检查点。在性能方面，我们还将开销保持在可接受的水平。此外，我们开发的库无需对现有程序进行任何更改即可实现这一目标，并且具有出色的可用性。在超细粒度并行混合架构中实现透明检查点预计将产生巨大的学术影响。

项目成果

TSUBAME2.0…Environmentally Friendly Petascale Computing and its Possible Contributions to High-Resolution Natural Disaster Simulations

TSUBAME2.0…环境友好的千万亿次计算及其对高分辨率自然灾害模拟的可能贡献

• 发表时间: 2011
• 作者: Takashina Y.;Ishida A.;Kakegawa T;Satoshi Matsuoka
• 通讯作者: Satoshi Matsuoka

CPU/GPUヘテロジニアス環境におけるFMMの最適化

CPU/GPU异构环境下FMM优化

• 发表时间: 2011
• 作者: 福田圭祐;丸山直也;松岡聡
• 通讯作者: 松岡聡

From Utility Computing to Computing for Utilities : Using Cloud Computing to Accelerate Energy Informatics

从公用事业计算到公用事业计算：利用云计算加速能源信息学

• 发表时间: 2011
• 作者: 黒須玲;関華奈子;原拓也;C. Fowler;S. Curry;J. P. McFadden;G. Hanley;Francois Le Gall;Satoshi Matsuoka
• 通讯作者: Satoshi Matsuoka

Dealing with Grid-Computing Authorization using Identity-Based Certificateless Proxy Signature

使用基于身份的无证书代理签名处理网格计算授权

• 发表时间: 2011
• 作者: N. A. B. Adnan;K. Hoshi;S. Yamashita;Mohamed Amin
• 通讯作者: Mohamed Amin

ワークフローアプリケーションに対する計算資源割り当ての最適化

工作流应用程序的计算资源分配优化

• 发表时间: 2011
• 期刊: 情報処理学会研究報告:ハイパフォーマンスコンピューティング
• 作者: 斉藤貴文;千葉立寛;佐藤仁;松岡聡
• 通讯作者: 松岡聡