天河一号上的NEMO模式存储优化：并发进程分组输出提升性能

"NEMO模式系统基于‘天河一号’的存储性能分析与优化 (2012年)" 本文主要探讨了在“天河一号”超级计算机上运行NEMO（North Atlantic Ocean Model，北大西洋海洋模式）模式系统时遇到的存储性能问题及相应的优化策略。NEMO模式是一种广泛使用的海洋环流模型，它需要处理大量的数据存储和处理任务。在“天河一号”上，当NEMO模式执行大量并发进程进行存储操作时，会因为进程间的资源竞争，特别是在Lustre文件系统上的读写操作，导致整体应用性能显著下降。 作者们提出了一种并发进程分组输出的优化方法来解决这个问题。这种方法的核心是将原本并发进行的存储进程合理地分组，并通过调度控制这些分组按顺序进行读写操作，从而避免过多进程同时访问存储资源，降低存储系统的负载。通过这种方式，可以有效地缓解存储系统的瓶颈，提高存储效率。 实验证明，采用分组输出优化方法后，对于NEMO模式中的GYRE012算例，存储性能得到了显著提升，最高提升了33%以上。不仅如此，这一优化还带来了整体时间性能的提升，最高达到28%以上。这表明，该优化策略不仅提高了存储系统的吞吐量，还减少了计算任务的完成时间，对于高效利用超级计算机资源具有重要意义。 关键词涉及的内容包括：“天河一号”超级计算机，其作为高性能计算平台的角色；并发进程分组输出，这是一种针对大规模并发存储问题的解决方案；NEMO模式系统，即本文研究的对象，用于模拟海洋环流的科学计算工具；GYRE012算例，这是NEMO模式的一个具体应用场景；以及Lustre文件系统，它是“天河一号”上广泛使用的并行文件系统，也是性能瓶颈的关键所在。 这篇论文深入研究了“天河一号”上NEMO模式的存储性能问题，提出了一种有效的优化策略，对于理解和改进大型超级计算机上科学计算应用的存储性能提供了重要的参考。同时，这种方法也对其他类似环境下的并行计算和存储优化具有借鉴价值。