×
纪尧姆·奥皮;安妮·本诺特;奥利安·卡弗兰;马西米利亚诺·法西;伊夫·罗伯特;孙洪阳; 等。

处理HPC应用程序中的静默错误。 （英语） Zbl 1396.68069号

Adamatzky，Andrew（编辑），《紧急计算》。Selim G.Akl的节日。查姆：施普林格（ISBN 978-3-319-46375-9/hbk；978-3-3169-46376-6/电子书）。《涌现、复杂性与计算》24，269-292（2017）。
摘要：本章描述了检测和纠正无声错误的统一框架，这些错误对极端规模的科学应用构成了重大威胁。我们首先激发这个问题，并解释为什么检查点必须与一些验证机制相结合。然后，我们介绍了一种基于随时间周期性重复的计算模式的通用技术。这些模式交错验证和检查点，我们展示了如何确定模式以最小化预期的执行时间。然后，我们转向特定于应用程序的技术，回顾线性任务链的动态规划算法，以及稀疏线性代数中迭代方法的面向ABFT的算法。感谢Yves Robert的Selim Akl，我有一个生动的90年代初Selim访问里昂的纪念品。塞利姆获得了路易斯·奈尔奖学金，致力于促进加拿大和法国罗纳阿尔卑斯地区之间的交流，他与家人在里昂呆了6个月。米歇尔·科斯纳德当时是LIP实验室的负责人。Selim开设了一门关于并行算法的课程，主要是排序和PRAM，这引起了我们的学生和实验室研究人员的极大兴趣。在他逗留期间，Selim与Jean Duprat、Afonso Ferreira和Pierre Fraigniaud进行了几次合作。虽然我从未与他合作过，但我要感谢他的远见。当时我是LIP的一名年轻教授，我很想见到一位明星，但他很友善。他的两本书[S.G.Akl公司，并行排序算法。奥兰多等：学术出版社（1985；Zbl 0657.68070号); 并行算法的设计与分析。新泽西州恩格尔伍德克利夫斯：普伦蒂斯·霍尔公司（1989；Zbl 0754.68053号)]对LIP的许多研究人员（包括我自己）产生了巨大影响，因为他们帮助我们形成了对并行复杂性的看法。后来，我们都选择了不同的研究方向（PRAM、超立方体、脉动阵列、调度、路由（dots）），但塞利姆为我们奠定了该领域的基础，我们非常感谢他。
关于整个系列，请参见[Zbl 1373.68016号].

MSC公司：

60年第68季度 规范和验证（程序逻辑、模型检查等）
2010年第68季度 计算模式（非确定性、并行、交互式、概率性等）

关键词：

动态规划算法;预处理共轭梯度;检测潜伏期;单一错误;矢量运算

引文：

Zbl 0657.68070号;Zbl 0754.68053号
PDF格式BibTeX公司 XML格式引用
\textit{G.Aupy}等人，《急诊综合征》。计算。24、269--292（2017；Zbl 1396.68069）
全文： 内政部 哈尔

参考文献：

[1] 1.Aupy，G.，Benoit，A.，Hérault，T.，Robert，Y.，Vivien，F.，Zaidouni，D.：关于无声错误检测和检查点的结合。摘自：2013年可靠计算国际研讨会论文集，第11-20页（2013）
[2] 2.Bautista-Gomez，L.、Benoit，A.、Cavelan，A.、Raina，S.K.、Robert，Y.、Sun，H.：软错误检测的哪种验证？摘自：《2015年高性能计算国际会议论文集》（HiPC’2015）。IEEE计算机学会出版社（2015）
[3] 3.Benoit，A.、Cavelan，A.、Robert，Y.、Sun，H.：评估通用算法以应对故障停止和静默错误。摘自：第五届高性能计算机系统（PMBS）性能建模、基准测试和仿真国际研讨会论文集（2014年）
[4] 4.Benoit，A.、Cavelan，A.、Robert，Y.、Sun，H.：应对失败-停止和沉默错误的最佳弹性模式。研究报告RR-8786，INRIA（2015）。
[5] 5.Benoit，A.、Cavelan，A.、Robert，Y.、Sun，H.：线性任务图的两级检查点和部分验证。摘自：第六届高性能计算机系统性能建模、基准测试和仿真国际研讨会论文集（2015）
[6] 6.Benson，A.R.、Schmit，S.、Schreiber，R.：数字时间步进方案中的无声错误检测。国际期刊高性能计算。申请。(2014). 数字对象标识：·数字对象标识代码：10.1177/109434214532297
[7] 7.Bosilca，G.，Delmas，R.，Dongarra，J.，Langou，J.：基于算法的容错应用于高性能计算。J.平行分布计算。69(4), 410-416 (2009) ·doi:10.1016/j.jpdc.2008.12.002
[8] 8.Bougeret，M.、Casanova，H.、Rabie，M.，Robert，Y.、Vivien，F.：平行作业的检查点策略。摘自：《2011年高性能计算、网络、存储和分析国际会议论文集》，第1-11页（2011）
[9] 9.Bronevetsky，G.，de Supinski，B.：迭代线性代数方法的软错误漏洞。摘自：《2008年超级计算国际会议记录》，第155-164页（2008）
[10] 10.Cavelan，A.、Raina，S.K.、Robert，Y.、Sun，H.：评估部分验证对无声数据破坏的影响。摘自：第44届国际并行处理大会（ICPP）会议记录（2015）
[11] 11.Chandy，K.M.，Lamport，L.：分布式快照：确定分布式系统的全局状态。ACM变速器。计算。系统。3(1), 63-75 (1985) ·doi:10.1145/214451.214456
[12] 12.Chen，Z.：Online-ABFT：一种基于在线算法的容错方案，用于迭代方法中的软错误检测。在：第18届并行编程原理与实践研讨会论文集，第167-176页（2013）
[13] 13.钟，F.R.K.：谱图理论。美国数学学会（1997）·兹伯利0867.05046
[14] 14.Daly，J.T.：重新启动转储的最佳检查点间隔的高阶估计。未来一代。计算。系统。22(3), 303-312 (2006) ·doi:10.1016/j.future.2004.11.016
[15] 15.Dongarra，J.等人：国际exascale软件项目：呼吁全球高性能社区采取合作行动。国际期刊高性能计算。申请。23(4), 309-322 (2009) ·doi:10.1177/10943442009347714
[16] 16.Elliott，J.、Kharbas，K.、Fiala，D.、Mueller，F.、Ferreira，K.和Engelmann，C.：将部分冗余和检查点结合起来用于HPC。摘自：《2012 IEEE分布式计算系统国际会议（ICDCS）论文集》，第615-626页（2012）
[17] 17.Elnozahy，E.N.M.，Alvisi，L.，Wang，Y.-M.，Johnson，D.B.：消息传递系统中回滚恢复协议的调查。ACM计算。Surv公司。34, 375-408 (2002) ·doi:10.1145/568522.568525
[18] 18.Engelmann，C.，Ong，H.H.，Scorr，S.L.：大规模高性能计算系统中模块化冗余的情况。摘自：第八届IASTED并行和分布式计算与网络推理会议（PDCN）论文集，第189-194页（2009年）
[19] 19.Fasi，M.、Langou，J.、Robert，Y.、Uçar，B.：预处理共轭梯度法的向后/向前恢复方法。研究报告RR-8826，INRIA，2015年。
[20] 20.Fasi，M.、Robert，Y.、Uçar，B.：将基于算法的容错与迭代求解器的检查点相结合。研究报告RR-8675，INRIA，2015。简短版本出现在2015年PDSEC会议记录中
[21] 21.费雷拉（Ferreira，K.）、斯特利（Stearley，J.）、拉罗斯（Laros，J.H.I.）、奥尔德菲尔德（Oldfield，R.）、佩德雷蒂（Pedretti）、布莱特维尔（Brightwell）、里森（Riesen）、布里奇斯（Bridges，P.G.）、阿诺德（Arnold，D。载：《2011年高性能计算、网络、存储和分析国际会议论文集》，第44:1-44:12页（2011年）
[22] 22.Heroux，M.，Hoemmen，M.:通过选择性可靠性的容错迭代方法。研究报告SAND2011-3915 C，桑迪亚国家实验室（2011）
[23] 23.Huang，K.-H.，Abraham，J.A.：基于算法的矩阵运算容错。IEEE传输。计算。33(6), 518-528 (1984) ·兹伯利0557.68027 ·doi:10.1109/TC.1984.1676475
[24] 24.Hwang，A.A.，Stefanovici，I.A.，Schroeder，B.：宇宙射线不会照射两次：理解DRAM错误的性质以及对系统设计的影响。ACM SIGARCH计算。阿基特。新闻40（1），111-122（2012）·doi:10.1145/2189750.2150989
[25] 25.Lu，G.，Zheng，Z.，Chien，A.A.：什么时候需要多版本检查点？摘自：第三届极端规模HPC容错研讨会论文集（FTXS），第49-56页（2013年）
[26] 26.Lyons，R.E.，Vanderkulk，W.：使用三模冗余来提高计算机可靠性。IBM J.Res.Dev.6（2），200-209（1962）·Zbl 0117.12001 ·doi:10.147/rd.62.0200
[27] 27.Mitzenmacher，M.，Upfal，E.：概率与计算：随机算法与概率分析。剑桥大学出版社（2005）·Zbl 1092.60001号
[28] 28.穆迪（Moody，A.）、布朗维茨基（Bronevetsky，G.）、莫罗（Mohror，K.）、苏宾斯基（B.R.d.Supinski）。可扩展多级检查点系统的设计、建模和评估。摘自：2010年ACM/IEEE高性能计算、网络、存储和分析国际会议记录（SC'10）（2010年）
[29] 29.Ni，X.，Meneses，E.，Jain，N.，Kalé，L.V.：ACR：软错误和硬错误保护的自动检查点/重启。摘自：2013年ACM/IEEE高性能计算、网络、存储和分析国际会议论文集（SC'13）。ACM（2013）
[30] 30.O'Gorman，T.：宇宙射线对地面DRAM软错误率的影响。IEEE传输。电子器件41（4），553-557（1994）·doi:10.109/16.278509
[31] 31.Ozaki，T.、Dohi，T.，Okamura，H.、Kaio，N.：基于最小最大原则的无分布检查点放置算法。IEEE传输。可靠的安全计算。3（2），130-140（2006）·doi:10.1109/TDSC.2006.22
[32] 32.Saad，Y.：稀疏线性系统的迭代方法，第2版。SIAM出版社（2003）·Zbl 1031.65046号
[33] 33.Sao，P.，Vuduc，R.：自稳定迭代解算器。收录：大型系统可缩放算法最新进展研讨会论文集（ScalA）（2013年）
[34] 34.Schroeder，B.，Gibson，G.：理解PB级计算机中的故障。《物理学杂志》。Conf.序列号。78(1) (2007)
[35] 35.Shantharam，M.，Srinivasmurthy，S.，Raghavan，P.：稀疏线性系统解的容错预条件共轭梯度。摘自：《2012年超级计算国际会议记录》，第69-78页（2012）
[36] 36.图埃格·S·巴博格鲁：关于最优检查点选择问题。SIAM J.计算。13(3), 630-649 (1984) ·Zbl 0543.68013号 ·doi:10.1137/0213039
[37] 37.Young，J.W.：最佳检查点间隔的一阶近似。Commun公司。ACM 17（9），530-531（1974）·Zbl 0294.68008号 ·数字对象标识代码：10.1145/361147.361115
[38] 38.Zheng，Z.，Lan，Z.：高性能计算的可靠性感知可伸缩性模型。附：2009年IEEE集群计算会议记录（2009）
[39] 39.齐格勒J.、穆菲尔德H.、蒙特罗斯C.、柯蒂斯H.、奥戈曼T.、罗斯J.：宇宙软错误率的加速测试。IBM J.Res.Dev.40（1），51-72（1996）·doi:10.147/rd.401.0051
[40] 40.Ziegler，J.、Nelson，M.、Shell，J.，Peterson，R.、Gelderloos，C.、Muhlfeld，H.、Montrose，C.：16-Mb DRAM内存芯片的宇宙射线软错误率。IEEE J.固态电路33（2），246-252（1998）·数字对象标识代码：10.1109/4.658626
[41] 41.齐格勒、J.F.、柯蒂斯、H.W.、穆菲尔德、H.P.、蒙特罗斯、C.J.、Chin、B.：IBM在计算机电子学中的软实验失败了。IBM J.Res.Dev.40（1），3-18（1996）·doi:10.147/rd.401.0003
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。