WRF, análisis de rendimiento en clústeres HPC

  • Brayme Guamán Universidad de Cuenca
  • Lizandro Solano Universidad de Cuenca
Palabras clave: WRF, HPC, rendimiento, infiniband, escalabilidad paralela, CC

Resumen

El modelo WRF (Weather Research and Forecasting) es un sistema de predicción numérica del clima de mesoescala, diseñado tanto para las operaciones de predicción como para la investigación atmosférica, con énfasis en la escalabilidad, la eficiencia y la portabilidad, por lo que ha sido desplegado satisfactoriamente en clústeres HPC. Por lo tanto, la comprensión de la dependencia del WRF con los distintos elementos de hardware es crucial para realizar predicciones eficientes. Para esto analizamos la escalabilidad del WRF en base a tres parámetros; implementaciones MPI, velocidades de comunicación inter-nodo y procesos MPI por procesador. Se diseñaron varios escenarios para evaluar y entender la relación entre la escalabilidad y estos tres parámetros. Los resultados obtenidos muestran una dependencia de la escalabilidad del WRF con las comunicaciones inter-nodo, debido a que, al usar redes de alta velocidad, como Infiniband, se obtuvo una escalabilidad superior a los 2 nodos computacionales, que fue la escalabilidad máxima obtenida al usar redes con velocidades más bajas como Ethernet.

Descargas

La descarga de datos todavía no está disponible.

Citas

Atchley, S., Dillow, D., Shipman, G., Geoffray, P., Squyres, J. M., Bosilca, G., Minnich, R. (2011). The Common Communication Interface (CCI). En: IEEE 19th Annual Symposium on High Performance Interconnects, pp. 51-60. https://doi.org/10.1109/HOTI.2011.17

Gualán, R., Solano-Quinde, L. (2014). Análisis de rendimiento y profiling del modelo WRF en un clúster HPC. En: Actas del Congreso TIC.EC 2014, pp. 151-162. https://publicaciones.ucuenca.edu.ec/ojs/index.php/maskana/article/view/730.

HPC Advisory Council. (2017). HPC Advisory Council - Best Practices. Retrieved September 22, 2017 from http://hpcadvisorycouncil.com/best_practices.php

Intel ®. (n.d.). Intel® Trace Analyzer and Collector | Intel® Software. Retrieved June 16, 2017 from https://software.intel.com/en-us/intel-trace-analyzer

Intel ®. (2017). Intel® MPI Library | Intel® Software. Retrieved June 18, 2017 from https://software.intel.com/en-us/intel-mpi-library

Michalakes, J., Loft, R., Bourgeois, A. (2001). Performance-portability and the Weather Research and Forecast Model. 11 p. Disponible en http://citeseerx.ist.psu.edu/viewdoc/ download?doi=10.1.1.8.3781&rep=rep1&type=pdf

OpenFabrics Alliance. (2015). OpenFabrics Software. Retrieved May 14, 2017 from https://www.openfabrics.org/index.php/openfabrics-software.html

Shainer, G., Liu, T., Michalakes, J., Liberman, J., Layton, J., Celebioglu, O., … Cownie, D. (2009). Weather Research and Forecast (WRF) Model: Performance Analysis on Advanced Multi-core HPC Clusters. The 10th LCI International Conference on High Performance Clustered Computing, 1-14.

Skamarock, W. C., Klemp, J. B., Dudhi, J., Gill, D. O., Barker, D. M., Duda, M. G., … Powers, J. G. (2008). A description of the advanced research WRF Version 3. NCAR Tech, 113. https://doi.org/10.5065/D68S4MVH

The Open MPI Project. (2016a). FAQ: Running MPI jobs. Recuperado el 10 de mayo de 2017 a partir de https://www.open-mpi.org//faq/?category=running#oversubscribing

The Open MPI Project. (2016b). FAQ: Tuning the run-time characteristics of MPI OpenFabrics communications (InfiniBand, RoCE and iWARP). Recuperado el 18 de junio de 2017 a partir de https://www.open-mpi.org/faq/?category=openfabrics#ib-components

Publicado
2017-12-30
Estadísticas
Resumen visto = 34 veces
PDF descargado = 24 veces
Cómo citar
Guamán, B., & Solano, L. (2017). WRF, análisis de rendimiento en clústeres HPC. Maskana, 8(1), 403-412. Recuperado a partir de https://publicaciones.ucuenca.edu.ec/ojs/index.php/maskana/article/view/2001
Sección
II Congreso de Procesamiento de Señales, Comunicaciones y Recon. de Patrones