科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着高性能计算系统的规模不断扩大，复杂度不断提升，应用的容错能力成为E级计算面临的重要挑战之一。检查点技术是实现应用程序的容错能力的主要手段之一，通过定期保存应用的执行状态来实现故障恢复。文中针对高性能计算检查点技术的发展和应用情况展开综述。首先，整理了高性能计算领域中检查点技术的发展；其次，根据运行层次的不同，分别阐述了系统层检查点和应用层检查点的工作，包括主流的工具软件、可用的检查点技术、使用的应用场景等；然后，讨论了检查点技术在并行计算的容错与弹性、HPC的调度与迁移、FPGA的调试、深度学习中的容错与忠实重放这4个方面的应用；最后，对检查点技术在高性能计算领域的下一步研究方向进行了展望。
- 单位
