Crayマシン上の高度にスケーラブルなクラウドモデリングのためのその場データ解析【JST・京大機械翻訳】

Brown Nick; Weiland Michele; Hill Adrian; Shipway Ben

プレプリント

J-GLOBAL ID：202202205650038180 整理番号：22P0204335

Crayマシン上の高度にスケーラブルなクラウドモデリングのためのその場データ解析【JST・京大機械翻訳】

In-situ data analytics for highly scalable cloud modelling on Cray machines

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年10月27日プレプリントサーバーでの情報更新日： 2020年10月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

MONCは,大気流,乱流および雲微小物理学の調査のための高度にスケーラブルなモデリングツールである。典型的なシミュレーションは,科学的調査のために分析しなければならない非常に大量の生データを生成する。性能およびスケーラビリティの理由のために,この解析とその後のディスクへの書き込みは,計算を休止するのではなく,解析が行われるので,データ上でin situで実行されるべきである。本論文では,ノードのコアが計算とデータ分析間で共有されるMONCの解析的手法を提示した。解析的コアにそれらのデータを非同期に送ることによって,計算コアはデータ書き込みまたは解析に休止することなく連続的に実行することができる。IOサーバフレームワークと解析ワークフローを記述し,これは,このアプローチが上昇し,いくつかの共通の構成選択の性能の意味を提起する解決と共に,高度に非同期である。この研究の結果は,高度にスケーラブルな解析手法であり,MONCにおけるデータ分析を可能にするとき,実行時間に最小の性能影響があり,またKNLに関する著者らのアプローチの性能と適合性を研究する,Cray XC30の32768計算コアまで例証した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

計算機網 , オペレーティングシステム

, , ,

前のページに戻る