如何設計并實現(xiàn)面向非易失內(nèi)存的MPI-IO接口優(yōu)化

摘要：在高性能計算環(huán)境中，MPI應用多個計算節(jié)點同時訪問底層存儲系統(tǒng)文件時，其I/O開銷受到訪問模式和外存設備性能的影響。針對MPI應用訪問文件的特征，利用非易失內(nèi)存高帶寬、低時延、可字節(jié)尋址、數(shù)據(jù)可持久化等優(yōu)勢，提出面向非易失內(nèi)存的MPI-IO接口優(yōu)化方案；對文件數(shù)據(jù)建立分布式的緩存并維護持久性的元數(shù)據(jù)、對進程間數(shù)據(jù)傳輸策略進行優(yōu)化，使應用可以有效管理、利用非易失內(nèi)存設備，保持緩存數(shù)據(jù)一致有效。

為了實現(xiàn) 對非易失內(nèi)存的管理與利用、對文件數(shù)據(jù)緩存的管理與訪問，本文設計并實現(xiàn)了面向非易失內(nèi)存的MPI-IO接口優(yōu)化（NVMPI-IO）。本文的工作主要包括：

● 修改MPI-IO接口，截取應用對底層共享文件系統(tǒng)的訪問，并將其轉(zhuǎn)化為對計算節(jié)點內(nèi)或計算節(jié)點之間的非易失緩存的訪問；

● 在非易失內(nèi)存中建立并維護緩存數(shù)據(jù)，使計算節(jié)點之間的緩存一致且有效，使應用失效重啟后可以快速地從非易失內(nèi)存中恢復有效數(shù)據(jù)；

● 通過多種優(yōu)化，降低維護、訪問緩存的開銷；

● 最后給出一個原型系統(tǒng)，并對其進行實驗，實驗表明，此系統(tǒng)可以有效地管理、應用非易失內(nèi)存，并使MPI應用獲得性能提升。

使用NVMPI-IO，MPI應用無須進行修改，即可通過MPI-IO中間件將非易失內(nèi)存作為數(shù)據(jù)緩存，實現(xiàn)對文件緩存的分布式訪問，從而減少I/O開銷，并減輕共享文件系統(tǒng)的負載；同時，在非易失內(nèi)存中維護元數(shù)據(jù)，使程序在崩潰重啟后可以快速恢復數(shù)據(jù)，并繼續(xù)運行。

MPI應用的文件訪問模式

MPI是基于消息傳遞的并行編程模型，可使多個節(jié)點中的多個進程合作完成同一個計算任務，達到并行加速的目的。

MPI被廣泛地應用在科學研究與工程仿真中，常見的MPI實現(xiàn)包括Intel MPI、OpenMPI、MPICH等。使用MPI的應用在訪問文件時顯示出以下訪問特征。

● 多個進程同時訪問同一文件的不同部分。研究物理模型或工程結(jié)構(gòu)的MPI應用在進行計算前，首先需要準備模型文件，多個進程將同時利用模型文件上的數(shù)據(jù)進行計算，如每個進程讀取多維矩陣的不同部分；進程間按需通信，并將計算結(jié)果寫回文件的相應位置。

● MPI-IO使用聚合I/O與數(shù)據(jù)篩選技術，將多個進程需要的大量小粒度數(shù)據(jù)聚合成少量的大粒度數(shù)據(jù)，避免了小粒度的文件數(shù)據(jù)訪問。

● MPI標準不對文件數(shù)據(jù)進行緩存。MPI應用在訪問文件時可能對同一文件進行多次讀寫，且每次讀寫的位置可能不一致；同時，多個進程對文件的并行訪問容易使節(jié)點內(nèi)緩存失效；內(nèi)存的空間有限，而工程模型的數(shù)據(jù)量可根據(jù)工程的精度呈指數(shù)型增大，將大量的文件數(shù)據(jù)緩存到內(nèi)存可能影響計算效率；在允許直接輸入輸出（direct I/O）的文件系統(tǒng)（如XFS、Lustre）中，MPI建議使用直接輸入輸出，以避免操作系統(tǒng)的緩存。

● MPI應用應周期性地寫出檢查點（checkpoint）文件。大型工程仿真項目可能需要多個節(jié)點同時長時間運行，若其中某個節(jié)點出現(xiàn)故障導致作業(yè)失敗，仿真項目需要重新進行；為了避免過多的重復工作，MPI應用應周期性地輸出檢查點文件，若作業(yè)失敗，則從最近的有效檢查點開始繼續(xù)計算。同時，檢查點文件可用于仿真的可視化輸出。寫檢查點文件時，進程需要暫停計算任務，或?qū)⑽募?shù)據(jù)復制一份，以避免數(shù)據(jù)不一致。

● MPI應用多進程對文件進行訪問有顯著的同步特性。數(shù)據(jù)庫、文件系統(tǒng)等會在任何時間點接收來自多個客戶端的數(shù)據(jù)請求，若有分布式的緩存，則需要隨時保證數(shù)據(jù)的一致性；MPI應用的多個進程在訪問同一文件時，多個進程同時訪問數(shù)據(jù)，當這一階段完成后，進程之間需同步進度后再進行下一階段的訪問。MPI應用多進程的同步避免了寫后讀等數(shù)據(jù)不一致的問題，可用于簡化緩存的設計。

基于上 述的MPI應用的 數(shù) 據(jù) 訪問特征，在計算節(jié)點上部署非易失緩存有利于MPI應用的性能提升。利用非易失內(nèi)存容量大、帶寬高、可按字節(jié)尋址等特點，在非易失內(nèi)存上部署緩存層不占用高效的DRAM空間，并將緩慢的文件訪問轉(zhuǎn)變?yōu)楦咚俚姆且资?nèi)存訪問，可提高MPI應用的性能，同時可減少底層文件系統(tǒng)的負載。

面向非易失內(nèi)存的MPI-IO接口優(yōu)化被應用在HPC系統(tǒng)中，其修改MPI-IO模塊接口以管理非易失內(nèi)存的空間及訪問形式。NVMPI-IO在MPI運行時初始化，并向操作系統(tǒng)申請NVM空間，當作業(yè)結(jié)束后釋放NVM資源，使NVM資源可供其他應用使用。NVMPI-IO采用簡單而有效的方法獲得了以下優(yōu)點。

● NVM設備的非獨占使用：NVMPI-IO在運行時，只按需占用NVM的部分空間，其他應用仍可以使用該設備進行其他作業(yè)。作業(yè) 結(jié) 束后，NVMPI-IO立即釋放NVM資源，使其可以被更高效地利用。

● 數(shù)據(jù)一致性：NVMPI-IO隨MPI程序的運行而運行，每個MPI進程維護文件的部分緩存數(shù)據(jù)及相應的元數(shù)據(jù)；通過維護元數(shù)據(jù)保證緩存數(shù)據(jù)的一致性。

● 后臺寫回：MPI應用周期性地寫出checkpoint文件，引起大量的數(shù)據(jù)寫回。NVMPI-IO允許數(shù)據(jù)的后臺寫回，可在寫回過程同時進行計算任務。

● MPI應用的快速重啟：若MPI應用中某個進程失效引起整個程序的崩潰，在NVM設備上仍然存在有效的數(shù)據(jù)；使用NVMPI-IO，MPI應用重啟后，可以在NVM中快速恢復數(shù)據(jù)，實現(xiàn)快速的重啟。

● 高可移植性：MPI可以在不同計算機架構(gòu)、操作系統(tǒng)上正常工作；NVMPI-IO繼承了MPI的高可移植性。同時，NVMPI-IO不修改提供給上層應用的應用程序接口（application programming interface，API），現(xiàn)有的MPI應用不需要做任何修改即可在此系統(tǒng)上運行。

NVMPI-IO部署在HPC系統(tǒng)中，需對HPC系統(tǒng)的軟硬件做相應的調(diào)整。

NVMPI-IO在傳統(tǒng)HPC集群組織中引入NVM設備。在傳統(tǒng)HPC集群中，計算節(jié)點通過網(wǎng)絡與共享的存儲系統(tǒng)相連，計算節(jié)點從存儲系統(tǒng)中獲得數(shù)據(jù)，并對數(shù)據(jù)進行加工處理；同時，計算節(jié)點之間通 過TCP/IP網(wǎng)絡或RDMA技術進行通信。如圖所示，NVMPI-IO在每個計算節(jié)點中部署NVM設備，同時保持共享存儲系統(tǒng)的設計不變；節(jié)點間通信沿用傳統(tǒng)HPC系統(tǒng)中的網(wǎng)絡傳輸，若配備了RDMA網(wǎng)絡，則可以使用RDMA直接訪問其他節(jié)點的非易失內(nèi)存。

NVMPI-IO為MPI應用服務，同時也利用了MPI定義的通信過程。一個典型的HPC應用包含多個MPI進程，其中每個進程使用MPI定義的接口與其他進程進行消息傳遞，使用MPI-IO模塊對底層存儲系統(tǒng)進行數(shù)據(jù)訪問。本系統(tǒng)保留MPI-IO的聚合I/O與數(shù)據(jù)篩選優(yōu)化，這些優(yōu)化將上層應用需要的小粒度I/O整合成大粒度的I/O，避免了數(shù)據(jù)的小粒度隨機訪問。如圖所 示，本系統(tǒng)部署在MPI-IO中間件中，截取MPI-IO對文件的系統(tǒng)調(diào)用，并 按 需 轉(zhuǎn)發(fā)為非易失內(nèi)存的數(shù)據(jù)維護、訪問。

NVMPI-IO在部署時，首先需要在NVM設備上掛載可以直接訪問（direct access，DAX）的文件系統(tǒng)。在NVM設備上掛載DAX文件系統(tǒng)可使應用直接通過指針 訪問NVM上的數(shù)據(jù)。具體地，進程使用內(nèi)存映射（memory map）技術將文件系統(tǒng)中的文件映射到應用的進程空間中，進程可以通 過 指針直接 修改NVM，而不是修改操作系統(tǒng)的內(nèi)核緩存（kernel cache）。

此外，NVMPI-IO使用MPI定義的消息傳遞API與其他節(jié)點進行通信，使用POSIX API與底層文件系統(tǒng)進行數(shù)據(jù)的維護和訪問。