基于Infiniband+的系统级保留恢复.pdfVIP

2008年全国高性能计算学术年会 基于Infiniband的系统级保留恢复 王敬宇 周明忠 尹万旺许国春余永辉 摘要：随着Infiniband在HPC系统互连领域所 性能的MPI，而传统的MPI容错协议大多基于以 占份额日趋扩大，用户迫切需要一种能够利用 太阿协议’“”，需要有适合IB的商阵能的容错MPI Infiniband优化性能同时又具有客错功能支持高可 协议。 用的MPI编程模型鉴此我们提出了一种适合 MPI存在1．1和2．0两套规范，支持IB的开源 Infiniband的MPI容错协议，据此推出一个对应用 透明的支持系统级保留恢复的原型系统，该系统通 过了NAS、PMB和多道应用课题5121200个核 MPII 1和2．0两种规范。掂其官方信息，nlVapich2 规模的测试， 已经集成了基本的检查点功能，但目前仅公布了极 关键词：一致检查点保留恢复 小规模的测试数据…，尚未见到有关应用评估．而 且应用程序为了使用nwapich2实现的MPI容错协 An Application-Transparent 议，就必须向MPl2．0移植。实际应用中，用户需 over Checkpoint-RestartSystem 要对应用透明的系统级保留恢复 Infiniband WANG ZHOU Jin—yu Ming--zhong 的有力补充。鉴于大量应用课题都基于MPII．1的 YING XUGui--chun YU Wan—-wang Yong--hui现状，我们提m了一种适合IB的MPI容错协议， Abstract：AsInfinibandshareliloreinter-connection 并基于MPll．1对应的mvapieh版本，实现一个对 marketsof MPlwith HPC，highperformance 应用透明的支持系统级CR的原型系统，我们在国 fault—tolerancebecometnorecriticalforHPCthan support 家海洋局1400多个核的大规模IB集群上进行了大 everWhereasthis anfault—toleranceMPI paperpresent 量实验测试，与以往很多相关T1作仅提供了小规模 over builda with infiniband，and prototypesystem 测试数据““相比，我们的数据可以为MPI容错协 for Performance transparentcheckpoint—restartapplication 议的进一步优化提供有实际价值的参考。 evaluationofthis hasbeencarriedout implementation benchmarksand with usingNAS，PMB manyapplication 2系统级CR thescaleof512一1