MARC

 008260126s2024        us                              c    eng  d
■001000017360457
■00520260202105529
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263341794
■035    ▼a(MiAaPQ)AAI32309808
■035    ▼a(MiAaPQ)GeorgiaTech77831
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a741
■1001  ▼aWhitlock,  Matthew.
■24510▼aDesigning  and  Automating  Asynchronous,  Localized,  Multi-Level  Fault-Tolerance  at  the  Application  Level
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a153  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Sarkar,  Vivek.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aMoore's  law  is  dead  or  dying,  but  demands  for  compute  continue  to  grow  faster  each  year.  The  hardware  scaling  trends  that  have  driven  the  growth  of  HPC  are  tapering  off,  which  is  forcing  the  industry  to  explore  new  approaches  to  continue  scaling.  Further,  there  is  a  growing  public  concern  about  the  environmental  impact  of  extreme-scale  computing.  Consequently,  researchers  in  the  cloud  computing,  machine  learning,  and  embedded  computing  areas  are  exploring  reduced-reliability  computing  as  a  means  to  improve  both  performance  and  efficiency.  In  HPC,  however,  the  current  Global  Checkpoint/Recovery  (GCR)  approach  to  dealing  with  reduced  hardware  reliability  is  fundamentally  unscalable.  The  costs  of  GCR  are  rising  faster  than  the  performance  of  leading  supercomputers.  It  is  critical  for  application  resilience  to  scale  with,  rather  than  against,  increasing  hardware  fault  rates  if  HPC  is  to  continue  scaling  while  reigning  in  its  environmental  footprint.  To  avoid  the  exponential  scaling  of  GCR,  applications  must  localize  the  cost  of  hardware  faults,  which  requires  several  changes  in  the  traditional  approach  to  fault  tolerance.  First,  fault  tolerance  must  be  flexible  to  application-specific  refinements  while  managing  application  developers'  reticence  to  implement  complex  resilience  code.  We  describe  a  layer-based  resilience  taxonomy  and  approach  that  exposes  the  imperative  configurability  mechanisms  to  make  fault-tolerance  tools  that  can  flexibly  combine  to  utilize  general  application-  and  platformtailored  fault  recovery.  We  demonstrate  this  by  extending  contemporary  resilience  tools  to  enable  flexible  and  simple  online  recovery  into  applications  with  a  multi-layered  approach.  Next,  we  define  the  key  properties  of  localized  recovery  by  creating  a  general  analytical  model.  We  demonstrate  a  pseudo-local  approach  using  modern  ULFM  MPI  features  and  show  high  scalability  despite  ULFM's  collective  nature.  Finally,  we  design  a  task-based  recovery  model  capable  of  extending  pseudo-locality  to  applications  which  do  not  fit  the  ideal  model.  These  works  build  the  path  for  HPC  to  maintain  environmental  accountability,  meet  growing  compute  demands,  and  benefit  from  novel  upcoming  hardware  trends.
■590    ▼aSchool  code:  0078.
■650  4▼aDesign
■650  4▼aFault  tolerance
■650  4▼aHigh  performance  computing
■650  4▼aField  programmable  gate  arrays
■650  4▼aComputer  science
■650  4▼aElectrical  engineering
■650  4▼aInformation  technology
■690    ▼a0389
■690    ▼a0984
■690    ▼a0544
■690    ▼a0489
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360457▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서