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 communi-cation patterns that expose the limits of the network protocol stacks. Load and communication imbalance generate hard-to-predict net-work hot-spots, and may require computational steering due to un-predictable 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, in-cluding overlapped communication, non-blocking collectives, mes-sage aggregation, and computation in the network for special col-lective communication patterns, such as parallel prefix. The experi-mental results show significant performance improvements, ranging from 5X to 10X, when compared to equally optimized MPI imple-mentations.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์กราฟเป็น arguably เวิร์กสุดสำหรับระบบที่มีประสิทธิภาพสูงและเชื่อมต่อเครือข่ายอย่างใดอย่างหนึ่ง นอกจากนี้โปรแกรมประยุกต์กราฟมักจะแสดงรูปแบบทั้งหมดทั้งหมด เนื้อ fine อัตราสูงปพลิรกที่แสดงขีดจำกัดของการกองซ้อนของโพรโทคอลเครือข่าย ความไม่สมดุลของโหลดและการสื่อสารสร้างคาดการณ์ยากทำงานสุทธิร้อนจุด และอาจต้องพวงมาลัยคำนวณเนื่องจากการกระจายข้อมูลที่คาดเดาไม่ ในเอกสารนี้ เรานำเสนอห้องสมุดสื่อสารน้ำหนักเบา ใช้ "บนโลหะ" BlueGene/Q และ POWER7 IH ที่เราใช้เพื่อสนับสนุนอัลกอริทึมกราฟขนาดใหญ่ถึง 96K โหนและ 6 ล้านเธรดการประมวลผล ไลบรารีนี้ที่เราได้สำรวจหลายเทคนิคการเพิ่มประสิทธิภาพ การสื่อสารที่คาบเกี่ยวกันใน cluding บล็อกที่ไม่ใช่สหกรณ์ รวม mes sage และคำนวณในเครือข่ายสำหรับการสื่อสาร lective คอลัมน์พิเศษลาย เช่น prefix แบบขนาน ผลลัพธ์ experi จิตแสดงการปรับปรุงประสิทธิภาพ ตั้งแต่ 5 X 10 X เมื่อเทียบกับประสิทธิภาพเท่าเทียมกัน MPI imple-mentations งมาก

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์กราฟเป็น arguably หนึ่งของปริมาณงานที่ต้องการมากที่สุดสำหรับระบบที่มีประสิทธิภาพสูงและเครือข่ายเชื่อมต่อโครงข่าย การใช้งานกราฟมักจะแสดงทั้งหมดไปทั้งหมด NE-Fi เม็ดเล็กรูปแบบอัตราสูงสื่อสารไอออนบวกซึ่งอาจจะทำให้ขอบเขตของโปรโตคอลเครือข่าย Load และความไม่สมดุลของการสื่อสารที่สร้างยากต่อการคาดการณ์สุทธิทำงานจุดร้อนและอาจต้องมีการคำนวณพวงมาลัยเนื่องจากการกระจายข้อมูลยกเลิกการคาดเดาได้ ในบทความนี้เรานำเสนอห้องสมุดการสื่อสารที่มีน้ำหนักเบาดำเนินการ "บนโลหะ" ของ BlueGene / Q และ POWER7 IH ที่เราได้ใช้ในการสนับสนุนอัลกอริทึมขนาดใหญ่กราฟถึง 96k โหนดประมวลผลและ 6 ล้านหัวข้อ กับห้องสมุดนี้เรามีการสำรวจหลายเทคนิคการเพิ่มประสิทธิภาพในการสื่อสารที่คาบเกี่ยวกัน cluding, สหกรณ์ไม่ปิดกั้นการรวม MES-สะระแหน่, และการคำนวณในเครือข่ายสำหรับ Col-lective รูปแบบการสื่อสารพิเศษเช่นขนาน Fi x ก่อน ผลการประสบจิตแสดงการปรับปรุงประสิทธิภาพการทำงาน Fi ลาดเทนัยสำคัญตั้งแต่ 5X ไป 10 เท่าเมื่อเทียบกับการเพิ่มประสิทธิภาพเท่าเทียมกัน MPI Imple-mentations

ผลลัพธ์ (ไทย) 3:

กราฟวิเคราะห์เป็น arguably หนึ่งของความต้องการมากที่สุดสำหรับระบบที่มีประสิทธิภาพสูงและเครือข่ายการเชื่อมต่อ . การประยุกต์ใช้กราฟมักจะแสดงทั้งหมด จึงต้องเม็ดเล็ก สูงอัตราการรูปแบบการสื่อสารที่แสดงถึงขอบเขตของเครือข่ายโปรโตคอลสแต็ค . โหลดและความไม่สมดุลของการสื่อสารสร้างยากที่จะคาดเดางานเครือข่ายฮอตสปอต และอาจต้องคำนวณจากการกระจายข้อมูลและพวงมาลัยที่คาดเดาได้ ในกระดาษนี้เรานำเสนอห้องสมุดการสื่อสารที่มีน้ำหนักเบา , ใช้ " โลหะ " BlueGene / Q และพาวเวอร์เซเว่น IH ที่เราใช้เพื่อสนับสนุนขั้นตอนวิธีกราฟขนาดใหญ่ถึง 96k โหนดการประมวลผล และ 6 ล้านหัวข้อ กับห้องสมุดนี้เราได้ศึกษาเทคนิคการเพิ่มประสิทธิภาพในการสื่อสารหลาย ๆรวมกัน ไม่ปิดกั้น collectives , เมสเซจ aggregation และการคำนวณในเครือข่ายพิเศษคอลัมน์ lective การสื่อสารรูปแบบเช่นขนานก่อนจึงประสบการ แสดงผล จิต . signi การปรับปรุงประสิทธิภาพไม่สามารถถ่ายทอดตั้งแต่ 5 x 10 เท่า เมื่อเทียบกับประเทศอย่างเหมาะ imple mentations .