光滑粒子流体动力学模拟中静默数据损坏的检测
分布式、并行与集群计算
2020-05-19 v1
摘要
静默数据损坏（SDCs）损害了大规模计算系统上长时间科学应用的正确性。本文提出选择性粒子复制（SPR）作为首个基于粒子的复制方法，用于检测光滑粒子流体动力学（SPH）模拟中的 SDCs。SPH 是一种无网格拉格朗日方法，常用于天体物理与计算流体动力学中的流体力学模拟。SPH 通过对随流体质量密度场动态自适应分布的相邻离散点（称为 SPH 粒子）插值物理属性。当故障（如位翻转）击中与某粒子相关的计算或数据时，所得误差会通过此类插值步骤静默传播至所有最近邻。SPR 复制少数精心挑选的 SPH 粒子的计算与数据。当某粒子数据因损坏而与其复制对应体不同时，即检测到 SDCs。SPR 通过确保所有粒子至少有一个被复制的邻居，能够检测许多 DRAM SDCs 的传播。SPR 的检测能力通过一组错误注入与检测实验评估，其开销通过在一套 HPC 系统上进行的强缩放实验评价。结果表明，SPR 以 1-10% 的开销实现了 91-99.9% 的检测率，且无假阳性。
引用
@article{arxiv.1904.10221,
title = {Detection of Silent Data Corruptions in Smoothed Particle Hydrodynamics Simulations},
author = {Aurélien Cavelan and Rubén M. Cabezón and Florina M. Ciorba},
journal= {arXiv preprint arXiv:1904.10221},
year = {2020}
}
备注
20pages preprint, CCGRID'19 conference