異構(gòu)體系下基于插樁的運行時動態(tài)容錯.pdf

1、當(dāng)前，隨著并行計算、高性能計算的不斷發(fā)展，GPU憑借其高效的處理能力得到了越來越多的應(yīng)用，利用 GPU和 CPU構(gòu)建的異構(gòu)系統(tǒng)也成為高性能計算領(lǐng)域的研究熱點。CUDA作為GPU下的標準編程模型，主要作用是挖掘GPU強大的計算能力以加速各種不同的應(yīng)用。然而無論是GPU硬件方面還是CUDA編程模型方面都沒有提供有效的容錯方案，使得基于CUDA編程的異構(gòu)體系下的可靠性問題更為尖銳。
　　相比于現(xiàn)有的容錯方法大多將容錯檢測和容錯恢復(fù)進行單

2、獨研究的缺點，基于多模冗余的自動容錯系統(tǒng)，實現(xiàn)了基于多模冗余的容錯檢測和基于檢查點技術(shù)的容錯恢復(fù)功能，形成了一個完整的容錯框架。該系統(tǒng)通過基于Python的冗余執(zhí)行段提取和加載功能，完成對CUDA應(yīng)用冗余代碼段的自動加載，生成帶有冗余執(zhí)行框架的CUDA程序，然后在執(zhí)行過程中對冗余執(zhí)行段進行容錯檢測，當(dāng)容錯檢測到錯誤后調(diào)用容錯恢復(fù)模塊，恢復(fù)到保存的檢查點繼續(xù)系統(tǒng)的運行，確保CUDA應(yīng)用得到正確的運行結(jié)果。系統(tǒng)還通過提取有效冗余 kerne