Towards scalable I/O architecture for exascale systems

Chen, Yong

doi:10.1145/2132876.2132887

Cited by 7 publications

(4 citation statements)

References 27 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…systems with Exaflop peak compute capacity. When reaching this level of capacity the number of cores per node is expected to increase significantly [6] while node memory capacity and I/O latency and bandwidth are expected to not be able grow at the same pace (due to power consumption and technology limitations respectively). Thus, the gap between CPU and I/O capacity is expected to increase, and I/O to become a performance cap for certain applications.…”

Section: Hpc Trendsmentioning

confidence: 99%

“…• I/O dedicated nodes present a similar function to the burst buffers but out of the compute nodes, higher capacity and slightly larger latency [6].…”

Section: Hpc Trendsmentioning

confidence: 99%

“…Application performance will depend on the data access patterns [26] and the network capacity of the data center. This is especially important in Exascale systems as I/O operations will be more expensive at that level [6].…”

Section: Performance Enhancementsmentioning

confidence: 99%

See 2 more Smart Citations

A2l2

Álvarez

Östberg

Elmroth

et al. 2015

Proceedings of the 8th International Workshop on Virtualization Technologies in Distributed Computing

View full text Add to dashboard Cite

High-performance computing (HPC) is focused on providing large-scale compute capacity to scientific applications. HPC schedulers tend to be optimized for large parallel batch jobs and, as such, often overlook the requirements of other scientific applications. In this work, we propose a cloud-inspired HPC scheduling model that aims to capture application performance and requirement models (Application Aware -A2) and dynamically resize malleable application resource allocations to be able to support applications with critical performance or deadline requirements. (Low Latency allocation -L2). The proposed model incorporates measures to improve data-intensive applications performance on HPC systems and is derived from a set of cloud scheduling techniques that are identified as applicable in HPC environments. The model places special focus on dynamically malleable applications; data-intensive applications that support dynamic resource allocation without incurring severe performance penalties; which are proposed for fine-grained backfilling and dynamic resource allocation control without job preemption.

show abstract

Section: Hpc Trendsmentioning

confidence: 99%

“…• I/O dedicated nodes present a similar function to the burst buffers but out of the compute nodes, higher capacity and slightly larger latency [6].…”

Section: Hpc Trendsmentioning

confidence: 99%

See 1 more Smart Citation

A2l2

Álvarez

Östberg

Elmroth

et al. 2015

Proceedings of the 8th International Workshop on Virtualization Technologies in Distributed Computing

View full text Add to dashboard Cite

show abstract

“…Разработанные аппаратно-программные средства ввода/вывода данных и проведенные исследования актуальны для разрабатываемых новых суперкомпьютерных систем эксафлопсного класса [25,26].…”

Section: заключениеunclassified

The principles of organization of the I/O system of the parallel dataflow computing system

Zmejev¹,

Levchenko²,

Okunev³

et al. 2015

PSTA

View full text Add to dashboard Cite

Принципы организации системы ввода/вывода параллельной потоковой вычислительной системы Аннотация. В статье рассматриваются основные принципы работы блока ввода/вывода данных параллельной потоковой вычислительной системы «Буран», приводится анализ влияния различных алгоритмов ввода данных на эффективность решения задач. Описываются средства, позволяющие уменьшать необходимый размер ассоциативной памяти ключей и анализируются результаты экспериментов на программной модели параллельной потоковой вычислительной системы. Ключевые слова и фразы: блок ввода/вывода, алгоритмы ввода данных, ассоциативная память, параллельная потоковая вычислительная система. Введение С начала прошлого десятилетия в области высокопроизводительных вычислений всё большую остроту приобретает проблема распараллеливания вычислений. Как видно из рис. 1, именно в это время производители процессоров перешли к многоядерной архитектуре. Фактически была достигнута предельная производительность одного ядра, что связано не только с пиковой частотой, но и с ограничениями по отводу тепла с единицы площади. В результате пользователи получили более производительные многоядерные системы, но с программами, которые остались последовательными, поэтому их пришлось адаптировать к «новым» реалиям. Несмотря на то, что закон Мура продолжает действовать (верхняя кривая Transistors на рис. 1), ограничение на рассеиваемую мощность (Typical Power) с единицы площади кристалла препятствует дальнейшему росту тактовых частот процессоров (Frequency) и поэтому растет число ядер на одном кристалле (Number Cores). Однако процесс распараллеливания программ по вычислительным ядрам оказался не так прост, а когда стали создавать высокопроизводительные вычислительные системы кластерного типа с числом ядер,

show abstract