Graph analytics are arguably one of

Graph analytics are arguably one of the most demanding workloads
for high-performance systems and interconnection networks. Graph
applications often display all-to-all, fine-grained, high-rate communication patterns that expose the limits of the network protocol stacks.
Load and communication imbalance generate hard-to-predict network hot-spots, and may require computational steering due to unpredictable data distributions. In this paper we present a lightweight
communication library, implemented “on the metal” of BlueGene/Q
and POWER7 IH that we have used to support large-scale graph
algorithms up to 96K processing nodes and 6 million threads. With
this library we have explored several optimization techniques, including overlapped communication, non-blocking collectives, message aggregation, and computation in the network for special collective communication patterns, such as parallel prefix. The experimental results show significant performance improvements, ranging
from 5X to 10X, when compared to equally optimized MPI implementations

ผลลัพธ์ (ไทย) 1:

วิเคราะห์กราฟเป็น arguably หนึ่งเวิร์กสุดสำหรับระบบที่มีประสิทธิภาพสูงและเชื่อมต่อเครือข่าย กราฟนอกจากนี้โปรแกรมประยุกต์มักจะแสดงรูปแบบการสื่อสารทั้งหมดทั้งหมด กำหนด อัตราสูงที่แสดงขีดจำกัดของการกองซ้อนของโพรโทคอลเครือข่ายความไม่สมดุลของโหลดและการสื่อสารสร้างเครือข่ายที่ทำนายยากร้อนจุด และอาจต้องพวงมาลัยคำนวณเนื่องจากการกระจายข้อมูลที่คาดเดาไม่ ในเอกสารนี้ เรานำเสนอบางเบาไลบรารีการสื่อสาร การใช้งาน "บนโลหะ" ของ BlueGene/Qและ IH POWER7 ที่เราใช้เพื่อสนับสนุนกราฟขนาดใหญ่อัลกอริทึมโหน 96 K การประมวลผลและเธรด 6 ล้าน ด้วยไลบรารีนี้ได้แบ่งเทคนิคการเพิ่มประสิทธิภาพหลาย รวมทั้งการสื่อสารที่คาบเกี่ยวกัน บล็อกที่ไม่ใช่สหกรณ์ การรวมข้อความ และคำนวณในเครือข่ายสำหรับการสื่อสารรวมพิเศษลาย เช่นคำนำหน้าขนาน ผลการทดลองแสดงการปรับปรุงประสิทธิภาพที่สำคัญ จนถึง5 X 10 X เมื่อเทียบกับการใช้งาน MPI ประสิทธิภาพเท่าเทียมกัน

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์กราฟเป็น arguably หนึ่งของปริมาณงานที่ต้องการมากที่สุด
สำหรับระบบที่มีประสิทธิภาพสูงและเครือข่ายเชื่อมต่อโครงข่าย กราฟ
การใช้งานมักจะแสดงทั้งหมดไปทั้งหมดที่มีความละเอียดสูงอัตรารูปแบบการสื่อสารที่เปิดเผยขอบเขตของโปรโตคอลเครือข่าย.
Load และความไม่สมดุลของการสื่อสารที่สร้างยากต่อการคาดการณ์เครือข่ายจุดร้อนและอาจต้องพวงมาลัยคำนวณเนื่องจาก เพื่อการกระจายข้อมูลที่คาดเดาไม่ได้ ในบทความนี้เรานำเสนอที่มีน้ำหนักเบา
ห้องสมุดการสื่อสารดำเนินการ "บนโลหะ" ของ BlueGene / Q
และ POWER7 IH ที่เราได้ใช้ในการสนับสนุนขนาดใหญ่กราฟ
ขั้นตอนวิธีการถึง 96k โหนดประมวลผลและ 6 ล้านหัวข้อ กับ
ห้องสมุดนี้เรามีการสำรวจเทคนิคการเพิ่มประสิทธิภาพหลายแห่งรวมถึงการสื่อสารที่คาบเกี่ยวกัน, non-blocking สหกรณ์การรวมข้อความและการคำนวณในเครือข่ายสำหรับรูปแบบการสื่อสารกลุ่มพิเศษเช่นคำนำหน้าขนาน ผลการทดลองแสดงการปรับปรุงประสิทธิภาพการทำงานอย่างมีนัยสำคัญตั้งแต่
จาก 5X ไป 10 เท่าเมื่อเทียบกับการเพิ่มประสิทธิภาพการใช้งานอย่างเท่าเทียมกัน MPI

ผลลัพธ์ (ไทย) 3:

กราฟวิเคราะห์เป็น arguably หนึ่งของความต้องการมากที่สุดสำหรับสำหรับระบบที่มีประสิทธิภาพสูงและเครือข่ายการเชื่อมต่อ . กราฟโปรแกรมมักจะแสดงทั้งหมดอย่างละเอียดสูงเท่ากันรูปแบบการสื่อสารที่แสดงถึงขอบเขตของเครือข่ายโปรโตคอลสแต็ค .โหลดและความไม่สมดุลของการสื่อสารสร้างยากที่จะคาดเดาจุดร้อนเครือข่าย และอาจต้องใช้พวงมาลัยพาวเวอร์คอมพิวเตอร์เนื่องจากการแจกแจงข้อมูลไม่แน่นอน ในกระดาษนี้เรา ปัจจุบัน น้ำหนักเบาห้องสมุดการสื่อสาร ใช้ " บนโลหะ BlueGene / Q " ของพาวเวอร์เซเว่น IH และที่เราได้เคยสนับสนุนกราฟขนาดใหญ่ขั้นตอนวิธีขึ้นอยู่กับ 96k โหนดการประมวลผล และ 6 ล้านหัวข้อ กับห้องสมุดนี้เราได้ศึกษาเทคนิคการเพิ่มประสิทธิภาพต่างๆ รวมถึงการสื่อสารกัน ไม่ปิดกั้น collectives , รวมข้อความและการคำนวณในเครือข่ายพิเศษรวมรูปแบบการสื่อสาร เช่นคำนำหน้าแบบขนาน ผลการทดลองแสดงให้เห็นว่าประสิทธิภาพการปรับปรุงอย่างมีนัยสำคัญตั้งแต่จากถึง 10 เท่า เมื่อเทียบกับการใช้อย่างเท่าเทียมกันสำหรับ