论文题目：SCALANA: Automating Scaling Loss Detection with Graph Analysis
文章时间：看github记录应该做了两三年了
会议/期刊：SC 2020
作者背景： 清华大学
笔记时间：2021年10月08日周五/周六
论文地址: https://dl.acm.org/doi/abs/10.5555/3433701.3433738
本文是天河二号的相关的项目，目标是找出天河二号集群上，并行程序无法扩大规模的原因。
对比的工具有scalasca，HPCtoolkit
他们组也有其他关于程序结构分析的工作，比如Spindle。
工作思路
先利用编译器抓取代码的计算和通信结构
然后利用代码运行时的profiling工具，构建出代码运行时，在不同节点上的运行结构图
再利用profiling的工具，找出其中有问题的地方，通过不断的迭代回溯，找到问题的根结点。
定位扩展的性能瓶颈，HPCtoolkit其实已经做的很好了。
回溯找到瓶颈root的工作也有，改工作是基于tracing数据，本文是基于自己构建的PPG查找。
计算开销和内存较小。
网友评论