Dynamic task scheduling strategies for deep memory hierarchies in the future

点击翻译按钮获取中文摘要

本年度は、まず前年度より引き続き研究を行ってきたADWSの共有キャッシュ向けの改良版Multi-level ADWSについて、成果の取りまとめを行った。Multi-level ADWSはADWSをベースとして、共有キャッシュ容量に収まる程度の部分的な計算を一度に行っていくことで共有キャッシュ効率を改善させたものである。本年度はNUMA環境におけるMulti-level ADWSによる性能向上など追加の実験を行い、本成果は国際ジャーナルIEEE TPDSに採択された。次に、当初の研究計画とは少し異なるが、ADWSのようなタスクスケジューリングを複数計算機から成る分散メモリ型計算機上に拡張するための基盤技術について研究を行った。これまでのタスクスケジューリングは主に1つの計算機内のマルチコアに閉じた並列処理であり、より大規模な処理を行う場合にはスパコン等の分散メモリ型計算機に拡張する必要がある。今年度は主に分散ワークスティーリング技術について研究を行った。負荷分散の観点からは並列タスクないしスレッドを効率的に計算機をまたいで動的に移動させることが重要であるが、その性能についてはこれまであまり実験的に解析されていなかった。本研究ではこの点について深堀りし、積極的にスレッドを計算機間で移動させるコストは全体的に高くはなく、むしろ負荷分散の効率が向上することによるメリットが大きいことを示した。実験には東京大学のWisteria/BDEC-01 Odysseyスーパーコンピュータを用い、10万コア以上を用いて95%を超える高い並列化効率を示し、十分なスケーラビリティを確認した。本成果は国際会議Cluster '22で発表した。