理解同步、异步和混合原位技术在计算流体动力学应用中的影响
性能
2024-07-31 v1 计算工程、金融与科学
摘要
高性能计算（HPC）系统提供的输入/输出（IO）性能相对于峰值计算性能增长较慢，且存储容量有限。旨在充分利用百亿亿次（Exascale）HPC系统全部能力的计算流体动力学（CFD）应用，例如求解器Nek5000，将产生海量数据以供进一步处理。这些数据需要通过IO子系统高效存储。然而，有限的IO性能和存储容量可能导致性能瓶颈，从而阻碍科学发现。与传统的后处理方法相比，原位技术可以减少或避免通过IO子系统写入和读取数据，有望成为这些问题的解决方案。在本文中，我们研究了三种原位用例的性能和资源使用情况：数据压缩、图像生成和不确定性量化。我们进一步分析了当这些原位任务与模拟同步、异步或以混合方式执行时的三种方法。原位压缩可用于减少IO时间和存储需求，同时保持数据精度。此外，原位可视化和分析可以节省TB级数据通过IO子系统路由到存储的过程。然而，整体效率关键取决于原位任务和模拟两者的特性。在某些情况下，原位任务引入的开销可能相当大。因此，选择适当的原位方法（同步、异步或混合）以最小化开销并最大化并发执行的收益至关重要。
引用
@article{arxiv.2407.20717,
title = {Understanding the Impact of Synchronous, Asynchronous, and Hybrid In-Situ Techniques in Computational Fluid Dynamics Applications},
author = {Yi Ju and Adalberto Perez and Stefano Markidis and Philipp Schlatter and Erwin Laure},
journal= {arXiv preprint arXiv:2407.20717},
year = {2024}
}