评估多保真度 HPC 系统的增量多层次、多尺度方法
分布式、并行与集群计算
2025-01-30 v1
摘要
随着架构和大规模计算系统规模的日益复杂，监控和分析系统行为与事件变得棘手。每天收集的监控数据量达到 ter 级，分布在多个保真度层级和不同时间分辨率的传感器中。本文发展了一种增量版多分辨率动态模式分解 (mrDMD) 方法，将高维数据转换为在不同频率范围内的时空模式。我们对 mrDMD 算法的增量实现 (I-mrDMD) 能迅速揭示巨大环境日志数据集中的有价值信息，随后通过我们通用的机架可视化将其与处理后的硬件和作业日志数据集进行视觉对齐，该可视化集成到 Jupyter Notebook 界面中。我们在来自 Cray XC40 超级计算机 Theta 的真实数据集上展示了我们方法的有效性。
引用
@article{arxiv.2501.17796,
title = {An Incremental Multi-Level, Multi-Scale Approach to Assessment of Multifidelity HPC Systems},
author = {Shilpika Shilpika and Bethany Lusch and Venkatram Vishwanath and Michael E. Papka},
journal= {arXiv preprint arXiv:2501.17796},
year = {2025}
}