| 研究課題/領域番号 |
14J11503
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
高性能計算
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
白幡 晃一 東京工業大学, 大学院情報理工学研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2014
|
| 研究課題ステータス |
完了 (2014年度)
|
| 配分額 *注記 |
900千円 (直接経費: 900千円)
2014年度: 900千円 (直接経費: 900千円)
|
|---|
| キーワード | GPU / 大規模グラフ処理 / Map Reduce / メモリ処理 / スーパーコンピューター |
|---|
| 研究実績の概要 |
SNS解析、道路ネットワーク、スマートグリッド、創薬、遺伝子解析等多くの分野で超大規模グラフに対する高速処理が求められている。普及が進みつつあるメニーコアを搭載したスーパーコンピュータを想定し、超大規模グラフ処理における階層的なメモリ管理技術の提案を行った。メニーコア上のメモリに載り切らないデータを効率的に処理するため、分散・多階層メモリを抽象化可能なMapReduceモデルを想定し、CPUからメニーコアに対して自動的にグラフデータを分割しながら、メニーコア上での計算とCPU・メニーコア間の転送を最大限にオーバーラップさせる手法を提案した。TSUBAME2.5の1024ノード(12288CPUコア、3072GPU)上での評価において、3072GPUのメモリ容量を超えるグラフデータ(172億頂点、2749億枝)を、CPU上での実行に対して2.10倍の高速化(毎秒28億枝)を確認した。また、GPU搭載スーパーコンピュータ上でのMapReduce処理に利用可能な大規模GPU分散ソートを提案し、CPU上での実行に対して1.40倍の高速化を確認した。さらに、MapReduce型大規模データ処理の特性をより詳細に把握するため、メタゲノム相同性検索アプリケーションを種々のMapReduce処理系に実装し、我々の処理系が代表的な既存のMapReduce処理系に対して4.54倍の性能を確認した。別の分散メモリの仮想化方法としてAPGASプログラミング言語X10を用いた場合のGPUの使用による効果の検証も行い、格子QCDアプリケーションを用いた32GPU上での実験においてCPU上での実行に対して11.0倍の高速化を確認した。最重要カーネルの一つである超大規模グラフ処理に対して多階層メモリを活用する基盤技術の提案・開発によりエクストリーム・ビッグデータ処理に向けた要素技術の実現に貢献した。
|
| 現在までの達成度 (段落) |
本研究課題は平成27年度の交付申請を辞退するため、記入しない。
|
| 今後の研究の推進方策 |
本研究課題は平成27年度の交付申請を辞退するため、記入しない。
|
