SACSIS2012 - 先進的計算基盤システムシンポジウム
-
- いいね！0
SACSIS
@SACSIS
#SACSIS SACSIS2012の開催がいよいよ今週に迫りました．情報処理学会より案内のある論文集・チュートリアル資料のダウンロードはできる限り事前に実施の上，会場にお越しください．会場のネットワークでは十分な速度がでない場合があります．
2012-05-14 09:49:58
Ryousei Takano
@oraccha
開会の辞 by 横川さん。今年が10回目、JSPPから数えると24回目。神戸での開催は17年ぶり。事前登録者233名。今日はプレナリ、京の見学。明日の昼には国際化に関するタウンミーティングもあるので是非。#SACSIS
2012-05-16 11:05:59
Ryousei Takano
@oraccha
優秀若手研究賞3件。「GPUによる多倍長整数乗算の高速化手法の提案とその評価」北野晃司（大阪府大）、「広域分散ファイルシステムのための適応的な先読み手法」堀内美希（東大）、「競合の再発抑制によるLogTMの高速化手法」江藤正通（名工大） #SACSIS
2012-05-16 11:14:14基調講演:
「サイバーフィジカルシステムとこれからのコンピューティングについて」 (妹尾氏, NEC)
実世界から生まれる大量の情報を分析するいわゆるビッグデータに関する、システムソフト/HPC屋視点の話。
Ryousei Takano
@oraccha
基調講演「サイバーフィジカルシステムとこれからのコンピューティングについて」妹尾義樹（日本電気）。ESなどスパコン、並列分散処理の研究開発に従事し、去年まで4年間アメリカでbig data、CPSの研究開発に従事。#SACSIS
2012-05-16 11:20:47
Ryousei Takano
@oraccha
CPSとは実世界データを「丸ごと」扱い計算。従来のITと比べてCPSの何が新しいのか？ -> ビッグデータ。ビッグデータの本質は経験（データ蓄積）から知恵をひねり出すこと。Scalability/Realtime/Complexity/Platform化。#SACSIS
2012-05-16 11:28:43
Ryousei Takano
@oraccha
Web 2.0 -> Web 3.0：集中型から端末、そして分散へ。情報のアグリゲーション -> ソーシャル -> 実世界との接点。これから広域分散処理インフラが必要になる。 #SACSIS
2012-05-16 11:36:36
Ryousei Takano
@oraccha
リアルタイム性のニーズいろいろ。分〜1/1000秒。Twitterのtimeline、Webは400ms、早い者勝ちの金融系（証券所内にラックスペースを時間貸し）、M2M。 #SACSIS
2012-05-16 11:52:31
Ryousei Takano
@oraccha
ダイナミックな情報のアグリゲーション：「分散した情報発生源」から「利用者の興味」への転置。スケールアウトの壁。MapReduceのowner computes ruleだけでは実世界処理には限界。e.g., 多次元データ、Facebookのようなリストアクセス #SACSIS
2012-05-16 11:57:49
Ryousei Takano
@oraccha
15年前（ESの黎明期、HPF/JA）の議論の結論。1000台規模の並列処理ではわずかな逐次処理が性能の足を引っ張る。複雑な並列処理は無理筋。実用コードはEP、つまりMapReduce型。MapReduce型に処理対象を絞れば並列プログラミングは簡単で美しい。#SACSIS
2012-05-16 12:06:57
Ryousei Takano
@oraccha
データパラレルでない参照が必要な例。位置情報処理：Particle in Cell (PIC)との類似性、ソーシャルネットワーク、レコメンデーション分析：多次元テンソル解析（疎行列の固有値問題）と同じ。 #SACSIS
2012-05-16 12:14:18
Ryousei Takano
@oraccha
MapReduceは論理と物理が分離されていて、プログラマは論理の世界だけを考えればよい。共有メモリと比べて分散メモリが難しいのは、論理だけでなく物理も考える必要がある点。#SACSIS
2012-05-16 12:16:40
Ryousei Takano
@oraccha
Swarm platform（知覚系：自律的なセンサネットワーク）。Stream platform（神経系：データパスの最適化、論理的な集中制御が必要）。Wisdom platform（大脳系：よくわからない）。#SACSIS
2012-05-16 12:25:41
Ryousei Takano
@oraccha
ビッグデータブーム。1995年ごろのデータマイニングとの違いは？目の前にビッグデータが存在し、ニーズがある。90年にボーイング社で、ルール（第１原理）を見つけるときはスパコンが必要だけど、ルールを適用するだけならクラスタで十分と言われた。スパコンはたまに必要。#SACSIS
2012-05-16 12:36:41
Ryousei Takano
@oraccha
米国の現状から見た日本の課題。HPCでの知見をWeb業界の発展になど、人材交流・流動性が必要。サービスとインフラは両輪で発展させる必要がある。#SACSIS
2012-05-16 12:40:08
Ryousei Takano
@oraccha
知識を抽出するという応用に関しては、ビッグデータでも同じ問題がある。CPSの課題としては実際に使えるデータがない。 #SACSIS
2012-05-16 12:47:39チュートリアル1:
「スーパーコンピュータ「京」におけるアプリケーションの高並列化と高性能化」 (南氏, 理研AICS)
「京」の特徴とチューニングノウハウの紹介。
Ryousei Takano
@oraccha
チュートリアル1 「スーパーコンピュータ「京」におけるアプリケーションの高並列化と高性能化」南 一生（理研） #SACSIS
2012-05-16 14:19:40
Ryousei Takano
@oraccha
高並列化：Tofuの特性を活かすとかじゃなくて、並列特性を解析して、基本的なMPI並列化をしっかりとやることが最重要。ブロック単位の実行時間、スケーラビリティを把握する。 #SACSIS
2012-05-16 14:26:14
Ryousei Takano
@oraccha
問題規模が1プロセッサに収まる場合はストロングスケーリング、超える場合はウィークスケーリングで評価するとわかりやすい。ウィークスケーリングがわかりやすいのは、（ちゃんと並列化されていると）並列度を増やしても演算時間、隣接通信時間が一定で大域通信時間だけが増えるから。#SACSIS
2012-05-16 14:31:04
Ryousei Takano
@oraccha
CPU単体性能の向上：メモリウォール問題。流体などB/F値が高くキャッシュが効かないアプリをどうするか。1)プリフェッチ、2)ラインアクセス、3)キャッシュの有効利用、4)効率の良い命令スケジューリング、5)演算器の有効利用。B/F値が高いアプリは特に1,2が重要。#SACSIS
2012-05-16 14:39:58
Ryousei Takano
@oraccha
京向けチューニング対象アプリケーション：NICAM、Seism3D、PHASE、FrontFlow/Blue、RSDTF、LatticeQCD。高い単体性能と超高並列化の2軸にマッピングしてみる。 #SACSIS
2012-05-16 14:43:32