超级计算机系统性能平衡性预先评价方法研究

论文摘要

超级计算机系统峰值运算能力持续提升,而其实际应用却效率低下,随着两者矛盾的日益突出,超级计算机系统的性能平衡性研究逐渐引起业界的广泛关注和重视。研究超级计算机系统的性能平衡性预先评价方法,有助于预先判断系统适用的应用类型,提高系统的实际应用效率,并在体系结构设计过程中,发现性能瓶颈和设计缺陷,从而有效减少研制成本,降低研制风险。论文分析了当前基于经验定律和基于基准测试程序的超级计算机系统性能平衡性评价方法,指出了其在预先评价和综合评价等方面的不足,提出了基于虚拟激励和模拟预测技术的性能平衡性预先评价方法。通过对工作负载特征的描述,以及对典型应用工作负载的分析,建立了指令级工作负载模型,生成了典型应用工作负载虚拟激励;借鉴多指标综合评价的相关理论和方法,提出了失衡度的概念,为性能平衡性评价提供了量化方法;建立了以超级计算机性能模拟器为性能预测平台,以虚拟激励为模拟器驱动,以平衡性要求为评价准则,以失衡度为量化方法的性能平衡性预先评价体系。最后,以蓝色基因/L为目标机器,应用性能平衡性预先评价体系对其进行性能平衡性评价。评价结果表明,蓝色基因/L系统对运算密集型应用表现出最好的性能平衡性,符合系统当初的研制目标,同时指出了存储系统的设计缺陷,并提出了改进意见,与蓝色基因/P对蓝色基因/L的改进方法一致,论证了性能平衡性预先评价体系的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.1.1 超级计算机发展现状
• 1.1.2 超级计算机面临的挑战
• 1.2 国内外研究现状
• 1.3 课题来源及研究意义
• 1.4 课题主要研究内容
• 1.5 论文结构安排
• 第二章 性能平衡性要求及预先评价方法
• 2.1 准备知识
• 2.1.1 SMP
• 2.1.2 Cluster
• 2.1.3 体系结构的抽象统一
• 2.2 超级计算机系统主要性能指标
• 2.2.1 计算部件性能指标
• 2.2.2 存储部件性能指标
• 2.2.3 互连部件性能指标
• 2.3 性能平衡性要求
• 2.4 基于基准测试程序的性能平衡性评价方法的缺陷
• 2.5 基于虚拟激励和模拟预测技术的性能平衡性预先评价方法
• 2.6 本章小结
• 第三章 工作负载模型
• 3.1 工作负载类型及特征列表
• 3.2 典型应用工作负载分析
• 3.1.1 运算密集型（Linpack）
• 3.1.2 访存密集型（Stream）
• 3.1.3 通信密集型（PTRANS）
• 3.3 指令级工作负载特征提取
• 3.3.1 指令混合比例
• 3.3.2 局部性
• 3.3.3 指令并行度
• 3.4 构建指令级工作负载模型
• 3.5 本章小结
• 第四章 性能平衡性预先评价体系构建
• 4.1 多指标综合评价相关理论和方法
• 4.1.1 多指标综合评价相关理论
• 4.1.2 多指标综合评价相关方法
• 4.2 失衡度的提出
• 4.3 性能平衡性预先评价体系建立
• 4.4 本章小结
• 第五章 性能平衡性预先评价体系应用实例
• 5.1 性能模拟器简介及运行环境
• 5.1.1 性能模拟器
• 5.1.2 运行环境
• 5.2 虚拟激励生成参数设置
• 5.3 有效性验证
• 5.4 蓝色基因/L 的性能平衡性评价
• 5.4.1 系统适用应用类型判别
• 5.4.2 系统改进
• 5.5 本章小结
• 结束语
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢