Fault Tolerant Infrastructure Toward Billion of Parallelization and Exa-scale Supercomputer

2015 Fiscal Year Final Research Report

• Project/Area Number: 23220003
• Research Category: Grant-in-Aid for Scientific Research (S)
• Allocation Type: Single-year Grants
• Research Field: Computer system/Network
• Research Institution: Tokyo Institute of Technology
• Principal Investigator: Matsuoka Satoshi 東京工業大学, 学術国際情報センター, 教授 (20221583)
• Co-Investigator(Kenkyū-buntansha): Hideyuki Jitsumoto 東京工業大学, 学術国際情報センター, 助教 (00545311)
• Co-Investigator(Renkei-kenkyūsha): Toshio Endo 東京工業大学, 学術国際情報センター, 准教授 (80396788) ; Hitoshi Sato 東京工業大学, 学術国際情報センター, 特任助教 (00550633) ; Naoya Maruyama 理化学研究所, 計算科学研究機構, チームリーダ (60532801) ; Shinichiro Takizawa 理化学研究所, 計算科学研究機構, 研究員 (80550483) ; Kento Sato Lawrence Livermore National Laboratory, Postdoctoral Research Staff (50739696)
• Research Collaborator: Leonardo Bautista Gomez Barcelona Supercomputing Center, Senior Researcher ; Jens Domke Technische Universitat Dresden, ZIH, Research Associate
• Project Period (FY): 2011-04-01 – 2016-03-31
• Keywords: ハイパフォーマンスコンピューティング / エクサスケールコンピューティング / 耐故障性技術 / データ圧縮 / チェックポイント・リスタート / バーストバッファ

Outline of Final Research Achievements

Fault tolerance has been recognized as an indispensable technique for exascale computing as supercomputers grow towards billion-way of parallelism. For future exascale supercomputers, we proposed advanced fault tolerant infrastructures. The advanced fault tolerant infrastructures include a scalable checkpoint/restart library, a fault tolerant messaging interface and a highly resilient burst buffer architecture. We validated the effectiveness based on mathematical statistics. We also released the software and made impact to the community.

Free Research Field

ハイパフォーマンスコンピューティング