E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。

探究E级超级计算机故障预测的数据采集方法

超级计算机最早主要是为了满足科学研究和军方的需要;这让它们显得“高深莫测”。随着人类科技的全方位发展使得需要超级计算机的领域日渐增多;超级计算机的商业价值也因此变得重要。超级计算机可分两类;采用专用处理器或者采用标准兼容处理器。前者可以高效地处理同一类型问题;而后者则可一机多用;使用范围比较灵活、广泛。

浅析E级超级计算机故障预测的数据采集方法

随着社会不断的发展,我国现代化技术水平逐渐提高,然而超级计算机在发过程中仍面临着许多的挑战,其安全性、可靠性问题成为了影响整个超级计算机系统性能发展问题之一。而E级超级计算机主要由数十个万的部件组成,由于其中的部件较多,在实际运行期间会因为多种原因出现故障问题,如果这一问题不能及时解决就会导致超级计算机整个系统处于被被动停止的状态并重新开始运行。要想从根本上解决这一问题,就需要对其中存在的故障进行预测,只有这样才能保证超级计算机的使用安全,提高其稳定性。基于此,本文对E级超级计算机故障预测的数据采集方法进行了简单的研究。

一种基于日志聚类的多类型故障预测方法

现有故障预测方法的日志事件多数是无规律交错存在的,且不同类型的故障事件所涉及的事件数量与时间范围存在一定差异。为在故障预测时能够提供故障相关信息,提出一种基于频繁日志事件序列对多种不同类型的故障进行预测的方法。以日志事件序列之间的最长公共子序列作为其相似性度量,使用聚合层次聚类算法挖掘与故障事件相关的频繁事件序列。在频繁事件序列的基础上生成故障事件预测规则,并给出一种对故障事件预测规则进行过滤的方法,将过滤后的规则应用到测试集上进行故障预测。实验结果表明,该方法不仅能够进行有效的故障预测,而且可以平衡故障预测的准确率和召回率。

面向E级高性能计算机的新型高性能互连网络

E级高性能计算机的运算速度可达百亿亿次以上,被称作“超级计算机界的下一顶皇冠”。加冕这顶“皇冠”,不仅要抢占计算机技术的制高点,同时还要在新型高性能互连网络技术方面取得突破。因为,作为E级高性能计算的核心基础设施,高速互连网络直接决定着高性能计算机的性能和均衡扩展能力。

中科曙光启动E级超算预研项目

中科曙光7月4日在北京举办“2016中科曙光技术创新大会”,由其牵头的百亿亿次E级高性能计算机原型系统研制项目正式启动.E级超算是指每秒可进行百亿亿次数学运算的超级计算机,被公认为“超级计算机界的下一顶皇冠”.曙光预研项目的任务目标是：完成E级原型机系统,验证E级机研制的关键技术和路线图,形成E级机的完整方案,为国产E级超算的研制奠定技术基础.

高性能计算技术产业发展趋势研究

自"十二五"以来,我国高性能计算国际级重大项目成效初显,核心技术能力取得明显进步,硬件系统性能被国际公认位于全球前列,已初步具备与国际相较量的竞争实力,系统分析我国高性能计算产业的发展现状、关键技术及趋势对于国家高性能计算产业的后续发展具有重要意义。本文首先对高性能计算的产业技术现状及趋势进行研究,而后对高性能计算的应用进行展望,最后给出我国高性能计算发展的建议。

互连网络的模p剩余类加群的笛卡尔积模型

许多应用领域对系统的计算密度有很高的要求,这里的计算密度指的是系统在一定体积或面积内的计算能力,这也是网格计算和云计算等大量分布式计算不能完全代替超级计算的原因。超级计算机在新兴领域也有大量应用。陈左宁院士指出,美国正在研制一台具有新型先进体系结构(很可能不是经典的体系结构)的E级超级计算机,中国也在积极研制自己的E级超级计算机。互连网络是超级计算机体系结构的重要组成部分,陈国良院士指出,互连网络对系统的性能价格比有决定性的影响。文中设计了互连网络的模p剩余类加群的笛卡尔积模型。超立方体和折叠立方体等著名的互连网络都可用这种模型表征,更为重要的是,利用此模型还设计出了多种新的互连网络。这些新的互连网络都有它们各自的特点,也极大地丰富了互连网络的种子库。