スーパーコンピュータ「富岳」向けのアプリケーション開発環境

2．コンパイラ

本章では，「富岳」向けコンパイラの技術開発について述べる。

「富岳」向けコンパイラは，Fortran/C/C++の3種類の言語に対応する。そして，その開発目標は，「富岳」で重点的に取り組むべき社会的・科学的課題に関するアプリケーション（以下，重点課題アプリ）について，「京」に対して100倍の実行性能を達成すること，そして様々なアプリケーションを動作可能にすることである。この目標を実現するためには，A64FXの特性を理解し，適した機能を強化しなければならない。アプリケーションとの協調設計（コデザイン）によって抽出した課題は，次の2点である。

• Armアーキテクチャーに対応した最適化の強化
• 近年利用が拡大しているオブジェクト指向型言語や整数型演算の最適化への対応

以下では，これらの課題に対する取り組みを説明する。

2.1 Armアーキテクチャーへの対応

高度なコンパイラの実現には，アプリケーションを高速に動作させるためベクトル命令の適用促進と，命令の並列性を高める最適化の適用が必要不可欠である。

まず，ベクトル命令の利用促進として，「富岳」で新たに採用されたSVE（Scalable Vector Extension）を活用する。SVEでは，ベクトル命令の各要素に対して演算の実行有無を指示する，プレディケートレジスタが利用可能になった。これによって，IF文を含むような複雑なループのベクトル化が可能になり，高速に実行することが可能になった。

次に，命令の並列性を高める最適化として，富士通コンパイラの強みであるソフトウェアパイプライニング（SWP）が重要となる。「京」には128本のベクトルレジスタがある一方で，「富岳」では32本と省レジスタ化している。このような「富岳」であっても，多くのレジスタを必要とするSWPを効果的に動作させるために，ループ分割最適化の強化を行った。ループ分割は，文数の多いループをレジスタ数，メモリーアクセス数などを考慮して，SWPが適用できるループに分割する最適化である。図-1に重点課題アプリの一つであるNICAM［8］の物理過程カーネル，および力学過程カーネルの性能評価結果を示す。前者は計算量や分岐処理が多いループ構造が特徴であり，後者はメモリースループットが高いことが特徴である。このように性質の異なるカーネルに対しても，ループ分割を適用しSWPを適用することで，約20％の性能向上が実現でき，「京」に対して100倍のアプリ実行性能の目標達成に向けて大きく寄与した。

図-1　NICAMのカーネルにおける最適化効果

2.2 オブジェクト指向型言語や整数型演算への対応

「富岳」では利用者の裾野を広げるために，従来のシミュレーションプログラム以外にも様々な分野のアプリケーションを実行できることが目標とされた。そのため，整数系演算やオブジェクト指向プログラムへの最適化を強化する必要があった。そこで，C/C++言語のプログラムの高速化に実績があるOSS（Open Source Software）コンパイラのClang/LLVM［9］をベースとして採用し，富士通がこれまで培ってきたHPC向け最適化技術を移植した。更に，「京」で使われていたプログラムや伝統的なプログラムとの互換を確保するために従来の機能を併用可能とし，「京」からの容易な移植を可能としている。

4．アプリケーション開発支援ツール

本章では，「富岳」に向けて開発したアプリケーション開発支援ツールについて述べる。

アプリケーション開発支援ツールは，目的に応じた3種類の機能から構成される。

• 性能チューニングのための情報を収集し，分かりやすく表示するプロファイラ
• 大規模並列処理で発生するデッドロックや異常終了といった事象の調査を支援するための並列実行デバッガ
• GUIを通してコンパイルやジョブ投入などの操作を行うことのできる統合開発環境

以下では，最も多く用いられるプロファイラについて，特徴と「富岳」向けに改善した点について紹介する。

4.1 「富岳」への対応

「富岳」に対応したプロファイラは，実用性の観点で評価の高かった「京」のプロファイラを継承・発展させて開発した。図-4に示すように，「基本プロファイラ」「詳細プロファイラ」「CPU性能解析レポート」から成り，状況に応じてこれらを段階的に使用することで，効率的な性能解析を行うことができる。

図-4　性能解析の手順

4.2 基本プロファイラによる性能傾向把握

基本プロファイラは，サンプリング方式でアプリケーションのコスト分布情報を収集し，手続き単位・ループ単位・行単位で表示することで，アプリケーション全体の性能の概要を把握することを支援する。コスト分布からは，コストが集中しているホットスポットを特定することが可能である。

「京」向けのプロファイラでは，収集した情報を，グラフ作成や統計処理など加工しやすい汎用的なフォーマットで入手したい，という要望が挙がっていた。しかし，実際に提供されたのはテキスト形式とCSV形式のみであり，「富岳」では汎用性の高い出力形式をサポートすることが課題であった。「富岳」のプロファイラでは，基本プロファイラと詳細プロファイラの双方でXML形式の出力をサポートすることで，この課題に対応した。

4.3 詳細プロファイラとCPU性能解析レポートによる詳細情報把握

基本プロファイラの結果から特定されたホットスポットに対し，その部分のより詳細な性能情報を得るために，詳細プロファイラおよびCPU性能解析レポートを使用する。

詳細プロファイラは，特定区間のMPI通信コスト情報やCPU性能解析情報を収集し，ホットスポットの詳細な性能分析を可能とする。CPU性能解析レポートは，CPUに内蔵され演算性能に関するCPUの動作状況を計測するPMU（Performance Monitoring Unit）カウンタの情報を，グラフや表の形式で体系立てて分かりやすく表示する（図-5）。PMUカウンタの情報を分析することにより，演算性能に関するボトルネックを詳細に把握することが可能となる。

図-5　CPU性能解析レポートの例

「京」では，「富岳」のCPU性能解析レポートと同様の機能を，Excel形式の精密PA可視化機能で実現していた。しかし，情報収集のためにはアプリケーションを必ず7回実行する必要があったため，利便性が低いという課題があった。また，「京」の技術を応用した商用機であるPRIMEHPC FX100においても，11回実行する必要があった。

「富岳」のCPU性能解析レポートでは，アプリケーションを1回，5回，11回，または17回実行するごとにレポートを作成することが可能であり，実行回数が多くなるほど情報量が多くなる。そのため，必要な情報量に応じて実行回数を変えるような柔軟な使い方ができるとともに，「富岳」で種類が増えたPMUカウンタの情報を活かして，より詳細な分析が可能となっている。