[发明专利]面向高性能计算应用的通信特征分析方法及系统有效
申请号: | 201910977383.0 | 申请日: | 2019-10-15 |
公开(公告)号: | CN110928705B | 公开(公告)日: | 2023-09-22 |
发明(设计)人: | 全哲;李传莹 | 申请(专利权)人: | 湖南大学 |
主分类号: | G06F9/54 | 分类号: | G06F9/54;G06F8/30;G06F11/30 |
代理公司: | 深圳市兴科达知识产权代理有限公司 44260 | 代理人: | 王翀;阳江军 |
地址: | 410082 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 面向 性能 计算 应用 通信 特征 分析 方法 系统 | ||
1.一种面向高性能计算应用的通信特征分析方法,其特征在于,包括以下步骤:
步骤一、提取应用通信特征,具体包括如下步骤:
将数据采集模块的接口嵌入到应用软件或网络通信的多个层级上;
从系统trace数据中提取通信特征;
步骤二、分析通信特征,根据提取的通信特征,构造映射函数集,通过验证测试进行修正,并通过可视化工具对通信特征进行分析,得出应用通信特征;
步骤三、建立通信特征模型,从采集数据中抽取提炼各类典型程序的通信特征,提取应用通信特征的关键参数,建立某种类型的带参数的数学表达式,通过设置不同的参数组合运行程序,记录应用的通信数据,将运行过程中获得的通信数据代入所述数学表达式中,求解参数,则得到应用通信性能随关键参数变化的函数;
步骤四、扩展分析,根据步骤三得到的函数为基础,采用T = ps(α+hγ)+kβ所示的α-β-γ模型提取局部点对点通信量,对全局归约通信采用二叉树模型T =log2p(α+kβ)计算其通信量,采用渐近迭代法实现模块通信与计算比获取,利用联想记忆和优化计算反馈式神经网络模型建立实际通信行为特征,利用非线性回归线性拟合加权最小二乘估计方法,建立通信行为与应用规模的非线性关系,建立应用通信特征模型,并对所述应用通信特征模型进行扩展性分析。
2.根据权利要求1所述的一种面向高性能计算应用的通信特征分析方法,其特征在于,在步骤一中,将数据采集模块的接口嵌入到应用软件或网络通信的多个层级上具体包括:
通过编译器扫描和插桩,将数据采集摸的接口注入到源代码中,实现应用级的通信数据采集;将数据采集模块的接口嵌入到MPI 库或相关网络驱动中,实现网络通信各级数据的采集。
3.根据权利要求1所述的一种面向高性能计算应用的通信特征分析方法,其特征在于,在步骤二中,通过可视化工具对通信特征进行分析具体的包括:
通过可视化工具对静态的数据分布及动态的通信和计算进行分析。
4.根据权利要求3所述的一种面向高性能计算应用的通信特征分析方法,其特征在于,可视化工具对通信特征进行的可视化包括:程序结构可视化、数据分布可视化、通信可视化以及计算可视化。
5.一种面向高性能计算应用的通信特征分析系统,其特征在于,包括:
应用通信特征提取模块,用于将数据采集模块的接口嵌入到应用软件或网络通信的多个层级上,并从系统trace数据中提取通信特征;
通信特征分析模块,用于根据提取的通信特征,构造映射函数集,通过验证测试进行修正,并通过可视化工具对通信特征进行分析,得出应用通信特征;
通信特征模型建立模块,用于从采集数据中抽取提炼各类典型程序的通信特征,提取应用通信特征的关键参数,建立某种类型的带参数的数学表达式,通过设置不同的参数组合运行程序,记录应用的通信数据,将运行过程中获得的通信数据代入所述数学表达式中,求解参数,则得到应用通信性能随关键参数变化的函数;
扩展分析模块,用于根据步骤三得到的函数为基础,采用T = ps(α+hγ)+kβ所示的α-β-γ模型提取局部点对点通信量,对全局归约通信采用二叉树模型T =log2p(α+kβ)计算其通信量,采用渐近迭代法实现模块通信与计算比获取,利用联想记忆和优化计算反馈式神经网络模型建立实际通信行为特征,利用非线性回归线性拟合加权最小二乘估计方法,建立通信行为与应用规模的非线性关系,建立应用通信特征模型,并对所述应用通信特征模型进行扩展性分析。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南大学,未经湖南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910977383.0/1.html,转载请声明来源钻瓜专利网。