Fault-Tolerant Protocol for Hybrid Task-Parallel Message-Passing Applications

We present a fault-tolerant protocol for task-parallel message-passing applications to mitigate transient errors. The protocol requires the restart only of the task that experienced the error and transparently handles any MPI calls inside the task. The protocol is implemented in Nanos -- a dataflow...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings / IEEE International Conference on Cluster Computing s. 563 - 570
Hlavní autoři:	Martsinkevich, Tatiana, Subasi, Omer, Unsal, Osman, Cappello, Franck, Labarta, Jesus
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.09.2015
Témata:	Checkpointing dataflow model Fault tolerance Fault tolerant systems high performance computing message logging Message systems Protocols Runtime task-based programming model Transient analysis
ISSN:	1552-5244
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!