论文题目：Evaluating HPC Networks via Simulation of Parallel Workloads
文章时间：2016年11月
会议/期刊：SC/16
作者背景： 超算中心 Lawrence Livermore National Laboratory，UIUC
笔记时间：2021年10月14日周四
论文地址：https://ieeexplore.ieee.org/document/7877012
论文引用：70+
Abstract
本文展示了三种HPC拓扑网络的评估和比较。我们提出了一个通用全面的方法，展示了包级别的网络模拟器，TraceR。我们的实验表明，不存在最优的拓扑，只有针对特定workload最合适的选择。
第一章 Intro
HPC网络很重要；
传统的方法[1-8]使用分析模型，对通信流和拥塞作了简单的假设，这也造成了较低的准确度。一些基于flit和package的工作出现了[9-12]。但是这类工作执行时间太长，对真实大规模的应用模拟不可行。
之前的工作用的度量比如平均包延迟，吞吐量，来比较网络和路由[8,13-17]，这些工作通过对注入率，消息大小，消息地址等调整来合成workload的特征。合成的workloads与真实环境中的情况相去甚远。
本文的工作基于三个软件
- 大规模模拟包级别网络的PDES[18,19]，它是基于CODES框架[20-22].
- BigSim+CODES = TraceR。可以重放MPI的控制和通讯流，可以建模计算时间。BigSim中可以模拟的规模比较大。
- 一些工作可以很方便的重放一些HPC应用的控制和通信流。如Mantevo project [26], the CORAL collaboration [27], and NERSC-8/Trinity benchmarks [28]。
本文贡献
- TraceR可以对复杂workload进行模拟
- 我们改进了CODES
- 我们设计了一种比较方案，比较不同的网络的性能
- 我们研究了复杂真实系统的网络情况。
第二章 CODES和TraceR
两者都在先前工作的基础上增加了新功能
输入，输出
第三章 验证方法
流程
- 配置好原型系统
2.选择实验workload
4个benchmark和2个proxy application。
模拟三类工作
-
single job
-
少量大规模作业一起运行
-
大量各种各样规模的作业一起运行。
-
运行和评估
作业参数的选择来源于CORAL和Trinity，运行时间来自当前系统。 -
整合结果
比较不同网络间性能的差别
下文：
对原型系统细致的描述
硬件设备，torus，dragonfly，fattree，以及拓扑
第4，5，6章
三类工作具体的数据
第七章 聚合性能度量
衡量标准时，一个workload中，多个作业有效带宽的和
即
（作业使用的带宽之和/作业的运行时间）的总和
第八章 讨论和未来工作
单个作业情况下，什么网络的都差不多；
少作业时，torus表现更多
多作业时，fattree效果更理想。
未来的工作希望加入对不同网络开销的评估。
就很规整的工作，看完也不知道具体怎么做，因为都是基于之前的工具的拓展。
网友评论