1、优化拓扑感知节点映射的工具集探索

优化拓扑感知节点映射的工具集探索

在高性能计算（HPC）领域，现代系统如Cray的XE和IBM的Blue Gene系列，都具备复杂的网络架构，通常呈现为高维环面形式。为了充分发挥这些系统的性能，需要将应用程序的通信结构与底层网络拓扑进行细致映射。在这个过程中，延迟（节点间的物理距离）和带宽（同时使用的链路数量）都需要考虑，这往往会导致映射结果违背直觉。为了帮助开发者解决这个复杂问题，相关人员正在开发一套工具，旨在帮助用户理解代码的通信行为，将其映射到网络架构上，并创建性能更优的拓扑感知节点映射。

1. 动机与背景

现代HPC架构的互连网络通常采用高维环面结构，例如IBM Blue Gene系列、Cray的XT/XE系统以及富士通的K计算机。由于这些网络每个节点的链路数量恒定，相对易于部署和扩展。然而，高网络直径会给应用程序带来性能和扩展方面的问题。因此，必须精心规划应用程序任务在底层网络拓扑上的布局，以确保通信效率与应用程序的特定模式相匹配。

拓扑映射问题在相关文献中已有充分记载。例如，在对第一性原理分子动力学（FPMD）应用程序进行优化时，发现默认布局和最佳布局之间的性能差异高达64%，而且最佳映射结果与先前的预期相悖，十分反直觉。

为了实现这样的优化，需要工具来帮助用户理解应用程序的通信模式、它们如何映射到硬件拓扑、这对性能有何影响，最终为应用程序提供高效的节点映射。为了达成这一目标，会利用在多个独立领域收集的性能数据，为用户提供有关代码性能的有价值视角。还可以将一个领域收集的数据映射到另一个领域，从而比较和关联不同领域中的性能数据和特征。具体来说，主要关注通信领域（代表应用程序的通信模式）和硬件领域（收集网络统计信息）的数据，这有助于理解特定布局下应用程