MPI容錯機制的研究.pdf

1、隨著并行計算的規(guī)模越來越大,超級計算機的規(guī)模擴展到成千上萬的獨立節(jié)點,這意味著硬件更容易在運行時間較長的任務(wù)時發(fā)生故障,已經(jīng)有結(jié)論表明超過10萬個處理器節(jié)點的系統(tǒng)在幾分鐘之內(nèi)便會出現(xiàn)一次節(jié)點故障,而用戶需要并行程序能夠適應(yīng)硬件故障而繼續(xù)執(zhí)行,希望并行機能夠達到一定的容錯效果,因此,如何實現(xiàn)容錯是高性能計算領(lǐng)域一個相當(dāng)重要的課題。 高性能計算系統(tǒng)中最廣泛使用的編程接口規(guī)范是MPI(Massage PassingInterface)

2、,本文首先介紹了基于MPI的編程環(huán)境目前存在的相關(guān)容錯技術(shù),總結(jié)了基于外存儲設(shè)備進行checkpoint的相關(guān)技術(shù),介紹了多種MPI的容錯機制。 本文提出了一種新的容錯機制,采用存儲領(lǐng)域中的容錯編碼技術(shù),實現(xiàn)內(nèi)存方式(in-mermory)的容錯。本文分別實現(xiàn)了基于RAID4、RAID5、RDP、X-Code等多種編碼方案的內(nèi)存方式的容錯,并且在FT-MPI環(huán)境下進行了實驗。本文所提出的內(nèi)存編碼實現(xiàn)方式,對于中等規(guī)模需要迅速恢復(fù)