重构GROMACS Halo Exchange：基于GPU发起的NVSHMEM提升强规模性能
分布式、并行与集群计算
2025-09-29 v1 性能
计算物理
摘要
分子动力学仿真的求解时间往往需要通过强规模实现，因为问题规模固定。GROMACS高度依赖时延敏感，峰值迭代速率在亚毫秒级，使得在异构超级计算机上实现可扩展性具有挑战性。MPI的CPU中心化本质在GPU驻留应用的关键路径上引入额外时延，阻碍GPU利用率和可扩展性。为此，我们提出一种基于NVSHMEM的GPU核发起式GROMACS域分解halo交换算法重构方案。经过高度优化的GPU核函数融合数据打包与通信，利用硬件延迟隐藏实现细粒度重叠。我们跨越重叠数据转发通信阶段采用核函数融合，并利用NVLink上的异步拷贝引擎以优化时延与带宽。我们的GPU驻留方案大幅提升通信-计算重叠，使GROMACS在NVLink上的强规模性能提升最高达1.5倍（节点内），跨节点提升最高达2倍，NVLink+InfiniBand跨节点提升最高达1.3倍。这表明GPU发起式通信对广泛的时延敏感应用实现强规模具有深远益处。
引用
@article{arxiv.2509.21527,
title = {Redesigning GROMACS Halo Exchange: Improving Strong Scaling with GPU-initiated NVSHMEM},
author = {Mahesh Doijade and Andrey Alekseenko and Ania Brown and Alan Gray and Szilárd Páll},
journal= {arXiv preprint arXiv:2509.21527},
year = {2025}
}
备注
17 pages, 8 figures, submitted to PAW-ATM Workshop, SC 2025