并行程序運行故障原因識別

摘要： 高性能計算系統(tǒng)的復(fù)雜性和規(guī)模的不斷增長使得系統(tǒng)的平均無故障時間越來越短，因此系統(tǒng)的硬軟件故障導(dǎo)致并行程序運行出錯的概率隨之增加。此外，并行程序本身可能存在的編程錯誤也會導(dǎo)致運行出錯。由于處理上述兩類故障原因的措施迥異，所以在程序運行出現(xiàn)故障時，用戶需要關(guān)注故障原因的類別。針對這一問題，設(shè)計和實現(xiàn)了一種基于作業(yè)管理系統(tǒng)Slurm的并行程序運行故障原因識別系統(tǒng)。通過對Slurm進行...