|
本研究の目的は，グラフィクスハードウェアGPU（Graphics Processing Unit）における遅延隠蔽指向の記述モデルを，分散メモリ型並列計算機上に展開し，そのプログラミング労力を軽減することである．そのために，GPUの統合開発環境としてもっとも普及しているCUDA（Compute Unified Device Architecture）を，クラスタなどの分散メモリ型並列計算機向けに拡張し，その記述のみでノード間通信を伴う超並列処理を実現することを目指している．
前年度までに，分散CUDAの実現手法として，GPU向けのカーネル関数をクラスタ上で動作させる再利用方式の優位性を示した．最終年度は，再利用方式の性能を評価するために，LogGPSモデルやルーフラインモデルに基づく性能モデルを開発した．開発した性能モデルは，GPU主導通信，すなわちGPU上で動作するCUDAプログラムから呼び出されるノード間通信を主な対象として，クラスタ全体の性能を予測する．Infinibandネットワークで相互接続された4台のGPUクラスタにおいて，GPU主導通信を用いるステンシル計算を評価した結果，ピーク性能に対して93%程度の高い実行効率を達成できることを確認できた．ただし，その高い実行効率を達成するためには，Infiniband Verbsのような低遅延の通信プロトコルによる通信と計算のオーバラップが不可欠であった．また，効率のよいオーバラップを実現するためのタスク粒度，通信帯域幅や通信遅延を性能モデル上で明らかにした．
このように，GPU向けの遅延隠蔽指向のプログラム記述を用いてノード間通信を伴う超並列処理を実現するためには，ノード間およびGPU内のそれぞれに対して適切なタスク粒度を設定する必要があり，その設定を支援するための性能モデルの有用性を確認できた．
|
