从应用视角看当前与未来高性能计算系统中数据缩减技术的可扩展性
性能
2017-11-13 v1 计算物理
摘要
我们为完全由众核驱动的粒子网格程序 PIConGPU 实现并基准测试了并行 I/O 方法。在识别出吞吐量和总体 I/O 规模是当今及未来高性能计算系统应用面临的主要挑战后，我们提出了一条标度律，用以刻画当前最先进数据缩减方法中的性能瓶颈。据此，我们提出、实现并验证了针对 I/O 库 ADIOS 的多线程数据转换，作为一种可行的方式，将异构系统上未充分利用的主机端计算潜力换取更低的 I/O 延迟。
引用
@article{arxiv.1706.00522,
title = {On the Scalability of Data Reduction Techniques in Current and Upcoming HPC Systems from an Application Perspective},
author = {Axel Huebl and Rene Widera and Felix Schmitt and Alexander Matthes and Norbert Podhorszki and Jong Youl Choi and Scott Klasky and Michael Bussmann},
journal= {arXiv preprint arXiv:1706.00522},
year = {2017}
}
备注
15 pages, 5 figures, accepted for DRBSD-1 in conjunction with ISC'17