Définition d'un modèle asynchrone de compression de données à la volée sur accélérateurs pour le HPC

Definition of an asynchronous on-the-fly data compression model on accelerator for HPC

• Auteur / Autrice : Téodora Hovi
• Direction : Laurent Lucas
• Type : Projet de thèse
• Discipline(s) : Info - Informatique
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : Ecole doctorale Sciences du Numérique et de lu2019Ingénieur
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique en Calcul Intensif et Image pour la Simulation

Mots clés

Mots clés libres

Compression

Accélérateurs

Hpc

Simulation

Données

Compression

Accelerators

Hpc

Simulation

Data

Résumé

Avec l'augmentation de la puissance de calcul, matérialisée par le nombre accru de coeurs de calcul, les utilisateurs veulent traiter des problèmes plus gros, ce qui implique un volume de données plus grand. Or, la taille mémoire (pour un noeud de calcul) n'augmente pas, voire a tendance à diminuer. La diminution de ce ratio fait de la gestion mémoire un élément critique pour atteindre des performances du niveau de l'exascale pour les applications nécessitant de grandes quantités de données. Les travaux réalisés au cours de la thèse auront pour objectif de proposer un modèle asynchrone de compression/décompression des données afin de rendre les données disponibles au cours de l'exécution de façon suffisamment efficace pour ne pas ralentir les calculs (on-the-fly) et donc de relâcher les contraintes mémoires. Les codes de calcul ciblés sont itératifs et enchaînent différentes phases de calcul. Idéalement, tous les calculs seront effectués sur accélérateurs, laissant le CPU inutilisé. Le modèle proposé pourra tirer parti de cette puissance de calcul inutilisée pour lisser les étapes de compression/décompression des donneés. Ce problème dépasse le cadre de la simulation numérique et touche tous les domaines nécessitant des traitements calculatoires sur un grand volume de données, par exemple la visualisation.

The advent of accelerators led to a reduction of the memory ratio per number of computing unit, making memory management critical to achieve exascale performance on applications requiring a large volume of data. The thesis will aim to propose an asynchronous model for making data available through compression/decompression techniques. It should be efficient enough to be used ''on-the-fly'' (during computation without slowing them down), allowing memory constraints to be relaxed. Target codes are iterative and sequence different phases, but the impact of the thesis extends to all domains in which efficient manipulation of a large volume of data is required, such as visualization.