このページの本文へ

前へ 1 2 3 次へ

ロードマップでわかる!当世プロセッサー事情 ― 第346回

スーパーコンピューターの系譜 Chen博士がCRAYの後に手がけたSS-1

2016年03月07日 11時00分更新

文● 大原雄介(http://www.yusuke-ohara.com/) 編集●北村/ASCII.jp

  • この記事をはてなブックマークに追加
  • 本文印刷

 今回のスーパーコンピューターの系譜は、CRAY X-MPを手がけたSteve Chen博士のその後をフォローアップしよう。その前に関係ない話題を1つ。

スーパーコンピューターが
エラーを起こす原因は宇宙線!

 2月23日、IEEE SPECTRUMに“How To Kill A Supercomputer: Dirty Power, Cosmic Rays, and Bad Solder”という記事があがった。

IEEE SPECTRUMにアップされた記事

 IEEE SPECTRUMはIEEE(米国電気電子学会)の学会誌で、通常は学会員は無料で読めるのだが、一般人は有償になっている。ところがこの記事は珍しく無償で誰でも読めるようになっており、かつおもしろいので紹介しよう。ちなみに筆者はオークリッジ国立研究所でスーパーコンピューターの面倒を見ている人である。

 記事の中身を要約すると以下のとおり。

  • ローレンス・リバモア国立研究所のASCI Qは当初連続稼働時間が1時間未満だった
  • バージニア工科大のBig Mac(アップルのMac G5を1100台集めたスパコン)はまともに稼動しなかった
  • オークリッジ国立研究所のJagureは当初、基板上の電源モジュール不良が原因でネットワーク全体がしばしばダウンして使い物にならなかった
  • ローレンス・リバモア国立研究所のBlue Gene/Lは、基板上の配線が理由で1次キャッシュの動作不良に陥った

 いずれも直接的な原因は宇宙線である。ASCI QはアドレスバスがECC保護されておらず、ここに宇宙線が当たるとエラーを起こしてクラッシュした。

 Big MacはそもそもメモリーがECC保護されていなかったので、システムが立ち上がる前にかならずどれか1台がメモリーエラーを起こし、まともに動作しなかった。

 Jagureの場合、基板上の電源モジュールが宇宙線保護の対策を取っておらず、これが理由で突然あるノードが落ちる場合があった。悪いことに、Jagureのネットワークはあるノードがいきなりダウンすることを想定しておらず、これが発生するとネットワークの再構築のために再起動の必要があった。

 BlueGene/Lは基板上の配線に宇宙線があたると、それが最終的に1次キャッシュの中身を破壊する(PowerPC 440コアは1次キャッシュのECC保護がされていなかった)結果になった。

 解決策はいろいろである。ASCI Qの場合、キャビネット側面に金属パネルを追加したことで、クラッシュするまでの時間を1時間未満から6時間まで延ばすことに成功した。

 Jagureの解決策は明記されていないが、おそらくネットワークのルーティングの方式を変更したものと思われる。BlueGene/Lは最終的に1次キャッシュを無効化して解決したが、性能は猛烈に悪化したらしい。

 そしてBigMacはシステムを解体し、1100台のMac G5をそれぞればらばらに売却してしまった。バージニア工科大は代わりにECC保護機能の付いたXserve G5 serverを集約したSystem Xを構築している。

 細かい話は記事を読んでいただければと思うが、猛烈な量のCPUやメモリーが集約されるスーパーコンピューターでは、宇宙線の影響が本気で無視できないことを示すエピソードである。

前へ 1 2 3 次へ

この連載の記事

注目ニュース

ASCII倶楽部

最新記事

ASCII.jp特設サイト

ASCII.jpメール デジタルMac/iPodマガジン

ASCII.jp RSS2.0 配信中

ピックアップ

富士通パソコンFMVの直販サイト富士通 WEB MART