自律的な通信回復を行う Fault Tolerant MPI の実装と評価

• Item type: SIG Technical Reports(1)
• 公開日: 2003-08-04
• タイトル: 自律的な通信回復を行う Fault Tolerant MPI の実装と評価
• タイトル / 言語: en
• タイトル: Implementation and Evaluation of a Fault Tolerant MPI with Reliable TCP/IP Sockets
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学／国立情報学研究所
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology/National Institute of Informatics
• 著者名: 實本, 英之; 高宮, 安仁; 松岡, 聡
• 著者名(英): Hideyuki, Jitsumoto; Yasuhito, Takamiya; Satoshi, Matsuoka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: クラスタシステムでは、ノード数の増大によりシステム全体の障害発生の潜在的可能性が高い。そのため、長時間にわたる計算を安定して行うには、耐故障性を持ったミドルウェアが必要になる。本研究では、耐故障性を持った MPI の実装と評価を行った。この MPI は逐次プロセスのチェックポインタと耐故障性通信路により MPI プロセスのチェックポインティング／リスタートを行う。ベースとしてMPICHを用い、通信路の耐故障性はRocks ライブラリ、チェックポインタはckpt ライブラリを用いた。32プロセスを用いたNPB-CGの結果、本実装では、オーバーヘッドがオリジナルMPICHの高々8%程度に抑えられることを確認した。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: On cluster systems, failure rates tend to be high due to a large number of constituents. Therefore, to perform stable long-time computation on cluster systems, middleware support for fault-tolerancy is inevitably required. We implemented a fault-tolerant MPI prototype system and measured the overhead of the system. Our MPI system implements coordinated checkpointing and recovery protocol on MPICH using a single process checkpointer called ckpt and a reliable network called Rocks. Preliminary evaluation using NPB-CG with 32 processes showed the overhead posed by Rocks stayed within just 8% .
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10463942
• 書誌情報: 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（HPC）; 巻 2003, 号 83(2003-HPC-095), p. 149-154, 発行日 2003-08-04
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会