Analyzing Efficiency of High-Performance Applications: Unterschied zwischen den Versionen
(Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Dieu Lam Vo |email=dieu.vo@student.kit.edu |vortragstyp=Bachelorarbeit |betreuer=Larissa Schmid |termin=Institutsseminar/2024-05-03 |vortragsmodus=in Präsenz |kurzfassung=Kurzfassung }}“) |
Keine Bearbeitungszusammenfassung |
||
| (Eine dazwischenliegende Version von einem anderen Benutzer wird nicht angezeigt) | |||
| Zeile 4: | Zeile 4: | ||
|vortragstyp=Bachelorarbeit | |vortragstyp=Bachelorarbeit | ||
|betreuer=Larissa Schmid | |betreuer=Larissa Schmid | ||
|termin=Institutsseminar/2024- | |termin=Institutsseminar/2024-06-07-Zusatztermin | ||
|vortragsmodus=in Präsenz | |vortragsmodus=in Präsenz | ||
|kurzfassung= | |kurzfassung=Führende Supercomputer im Bereich des High Performance Computing (HPC) bieten immense Rechenleistung mit Millionen von Kernen. Allerdings kostet der Unterhalt und Energiebedarf solcher Systeme jedes Jahr Millionen von Euro. Dies macht eine effiziente Nutzung der Rechenressourcen von HPC-Systemen unabdingbar. Das von den meisten HPC-Anwendungen verwendete Bulk-Synchronous-Parallel-Modell könnte aber durch unvorhergesehene interne oder externe Einflüsse zu ungleich verteilter Arbeitslast führen. Verwandte Forschung in diesem Bereich berücksichtigt oft nur die sogenannte Load Imbalance auf eine Weise, die keinen Vergleich zwischen MPI-Ranks ermöglicht. Unser Ansatz zielt hingegen darauf ab, einen breiteren Satz von Metriken zu betrachten, um eine allgemeinere Bewertung der Load-Imbalance zu ermöglichen. Unser Beitrag ermöglicht ein besseres Verständnis der Ursachen von Ineffizienzen in HPC-Anwendungen. | ||
}} | }} | ||
Aktuelle Version vom 3. Juni 2024, 01:08 Uhr
| Vortragende(r) | Dieu Lam Vo | |
|---|---|---|
| Vortragstyp | Bachelorarbeit | |
| Betreuer(in) | Larissa Schmid | |
| Termin | Fr 7. Juni 2024 | |
| Vortragssprache | ||
| Vortragsmodus | in Präsenz | |
| Kurzfassung | Führende Supercomputer im Bereich des High Performance Computing (HPC) bieten immense Rechenleistung mit Millionen von Kernen. Allerdings kostet der Unterhalt und Energiebedarf solcher Systeme jedes Jahr Millionen von Euro. Dies macht eine effiziente Nutzung der Rechenressourcen von HPC-Systemen unabdingbar. Das von den meisten HPC-Anwendungen verwendete Bulk-Synchronous-Parallel-Modell könnte aber durch unvorhergesehene interne oder externe Einflüsse zu ungleich verteilter Arbeitslast führen. Verwandte Forschung in diesem Bereich berücksichtigt oft nur die sogenannte Load Imbalance auf eine Weise, die keinen Vergleich zwischen MPI-Ranks ermöglicht. Unser Ansatz zielt hingegen darauf ab, einen breiteren Satz von Metriken zu betrachten, um eine allgemeinere Bewertung der Load-Imbalance zu ermöglichen. Unser Beitrag ermöglicht ein besseres Verständnis der Ursachen von Ineffizienzen in HPC-Anwendungen. | |