面向OpenFOAM的消息日志容錯技術(shù)研究.pdf

1、計算流體力學的飛速發(fā)展需要高性能的并行計算系統(tǒng)，然而高性能計算機的發(fā)展面臨著嚴重的可靠性問題。為使得大型CFD計算程序在故障頻發(fā)的運算平臺上繼續(xù)保持可用性與擴展性，我們需要為其設(shè)計高效易用的容錯機制。OpenFOAM是CFD領(lǐng)域編程框架的典型代表，用戶可以通過書寫近似自然語言的方式對CFD應(yīng)用進行描述，從而在OpenFOAM平臺上開發(fā)出可運行的CFD并行模擬程序，實現(xiàn)對底層并行細節(jié)的屏蔽。從可編程的角度看，這類開發(fā)方式是目前CFD并行編

2、程的一個很有吸引力的發(fā)展趨勢。但OpenFOAM現(xiàn)有的自容錯機制開銷大，且需要用戶值守。因此本文著眼于為OpenFOAM引入異步在線恢復(fù)容錯思想，并為此設(shè)計配套的容錯框架。
　　本研究主要內(nèi)容包括：⑴借鑒OpenFOAM的設(shè)計初衷，我們設(shè)計的容錯框架僅要求領(lǐng)域用戶修改配置文件，以類自然語言的形式選擇所期望的容錯機制方法，并設(shè)定相應(yīng)的參數(shù)；而具體容錯機制方法以及相關(guān)優(yōu)化技術(shù)的實現(xiàn)則由計算機專家在框架中選擇合理位置插裝完成，減輕了領(lǐng)域

3、用戶的容錯負擔。⑵基于協(xié)同檢查點機制與用戶級消息日志協(xié)議構(gòu)建容錯框架，為Open-FOAM引入了異步恢復(fù)的容錯思想，即僅自動回滾錯誤進程，從而有效地節(jié)省了恢復(fù)過程中的總體CPU時間開銷，同時避免產(chǎn)生多米諾效應(yīng)與孤兒進程。⑶用戶級消息日志將傳統(tǒng)實現(xiàn)在MPI庫級或以下的消息日志提升至用戶代碼層，從而給消息日志的容錯方式與容錯能力帶來了如下三點改進：以用戶級語句代碼為粒度記錄歸約通信消息，屏蔽了歸約通信在MPI庫級的實現(xiàn)細節(jié)。從而減小了歸約通