论文部分内容阅读
高性能计算机系统规模越来越大，系统可靠性问题越来越严重。检查点技术是最典型的容错方法，但是因为并行文件系统的性能提高相对缓慢，数据写带宽低，传统检查点方法产生了严峻的性能问题。针对当前计算机系统计算和存储资源丰富，而并行文件系统写带宽提高相对滞后的特点，本文提出基于内存缓存的异步检查点容错技术，传统的检查点技术被划分为两步：检查点文件首先被缓存在计算结点的局部内存，然后使用一个独立的帮助任务将数据拷贝到并行文件系统。利用局部内存带宽高以及帮助任务和计算任务并行执行的特点，新的方法极大减小了检查点容错引入的时间开销，模拟和实际程序测试验证了异步检查点容错技术的有效性。