1497 views
# AG HPC|A: Themensammlung Abschlussarbeiten Diese Seite stellt eine Übersicht offener Themenideen inklusive kurzer stichpunktartiger Auflistung möglicher Aufgabenstellungen für Abschlussarbeiten in der Arbeitsgruppe "High Performance Computing and its Applications" zur Verfügung. Bei Interesse wenden Sie sich bitte an: hpca@lists.uni-mainz.de Webseite der Arbeitsgruppe: https://www.hpca-group.de/ ***Hinweis:*** ==Aktuell (August 2026) sind unsere Betreuungskapazitäten ausgelastet. Bitte kontaktieren Sie uns frühzeitig, falls Sie bei uns im kommenden Semester eine Abschlussarbeit schreiben wollen.== ## Themen [BA] = Bachelorarbeit, [MA] = Masterarbeit * ~~**Analyse des Energie-Footprints von Node-Local-Dateisystemen**~~ [BA/MA] (nicht verfügbar) * Im Rahmen dieser Bachelorarbeit sollen die in unserem Paper vorgeschlagenen Metriken und Methodiken zur Bewertung der Energieeffizienz von I/O-Systemen analysiert und evaluiert werden. * Hierfür sollen verschiedene (User-Level-)Node-Local-Dateisysteme, beispielsweise UnifyFS, hinsichtlich ihrer Performance sowie ihres Energieverbrauchs untersucht werden. Die Evaluation erfolgt anhand ausgewählter Workloads, beispielsweise mithilfe von Benchmarks oder realen Anwendungen. * Der Schwerpunkt der Arbeit liegt auf dem Vergleich verschiedener Dateisysteme sowie auf der Analyse des Zusammenhangs zwischen I/O-Performance und Energieeffizienz. * Ausgangsliteratur: https://doi.org/10.1145/3784828.3785249 * ~~**Green500 List Data Mining**~~ [BA] (nicht verfügbar) * The Green500 is a ranking that lists the most energy-efficient supercomputers in the world, measured in performance per watt. Besides this main focus on the performance per watt, the list also provides various other information such as the system name, country, and its detailed specifications. These information can be further analyzed to know the current state of the supercomputers and the trend of the hardware in relation to energy. * This thesis proposes a data science-oriented investigation of the Green500 result list to extract various insights beyond the performance per watt. * **Tasks**: - collect the data from https://top500.org/lists/green500/ - knowing the benchmark, HPL works - create a comparison in MOGON (tbd) - write a script for: - scrapping the data from Green500 list and relevant system information (and maybe Top500?) - performing data analysis and transformation for system categorization - Jupyter notebook to visualize and show the characteristics analysis * **Research Questions:** - How's the energy characteristics depending on the system setup, is there a trend which system is the most energy efficient? - Can we produce other energy efficiency metrics that are more relevant than the performance/watts? Explain the reason - Focusing in Germany and or Europe, what's the state of the supercomputer in respect to energy-efficiency? * **References:** - Green500: https://top500.org/lists/green500/ - Green HPC: An analysis of the domain based on Top500 - https://arxiv.org/pdf/2403.17466 - Carbon Footprint analysis on Green500 list - https://arxiv.org/pdf/2509.22679 * **A Study of the Complexity and Scalability of Sparse Matrix Reordering Algorithms** [BA] * Ziel: Das Ziel der Bachelorarbeit ist die Aneignung grundlegender Unterschiede zwischen der Multiplikation von dicht besetzten Matrizen und der Multiplikation von dünnbesetzten Matrizen, und der Auswirkung des Speicherformats und der Anordnung der abgespeicherten Elemente auf die Ausführungsgeschwindigkeit. Der Fokus liegt auf Algorithmen zur Umordnung („Reordering“) und der analyse ihrer Komplexität und der Ableitung der Skalierungseigenschaften. * Tasks: * Einarbeiten in grundlegende mathematische Konzepte * Sparse Matrix Reordering Schemes * Grapth Partitioning, Hypergraph Pratitioning, Community Detection, (Matrix)Bandwidth-Reduction * Wissenschaftliche Ausarbeitung des Grunds für ein „Reordering“ und wichtiger Metriken zur Bewertung * Matrix Bandbreite-Memory-Access-Verbesserung * Reduktion der Elementeinfügungen für LU-Zerlegung oder Cholesky-Algorithm * Im Parallelen Fall – Zugriffsverbesserungen durch Reordering? * Funktion des Cuthill-McKnee-Algo (Base) vs. Parallel RCM Algo for Bandwidth Reduction * Haupteigenanteil: Ableitung der Computational Complexity und die Anwendung von Skalierungsregeln auf theoretischer Ebene. Zudem mögliche theoretiche Performanzunterschiede unter gewisser Hardwarekombinationen (Amdahls Law vs. Hill-Marty’s Law) * Referenzen: * SMOReS - Sparse Matrix Omens of Reordering Success: https://scispace.com/pdf/smores-sparse-matrix-omens-of-reordering-success-4q4ki1hin2.pdf * Bringing Order to Sparsity: A Sparse Matrix Reordering Study on Multicore CPUs: https://dl.acm.org/doi/pdf/10.1145/3581784.3607046 * Rabbit Order: Just-in-time Parallel Reordering for Fast Graph Analysis: https://www.rd.ntt/_assets/pdf/sic/team_researchers/other/araij2016ipdps.pdf * MatrixBandwidth.jl: Fast algorithms for matrix bandwidth minimization and recognition: https://joss.theoj.org/papers/10.21105/joss.09136.pdf * How effective is matrix reordering for improving performance of sparse matrix-vector multiplication?: https://inria.hal.science/hal-05460196v1/document * Parallel Implementations of RCM Algorithm for Bandwidth Reduction of Sparse Matrices: https://doi.org/10.5540/tema.2017.018.03.449 * Numerische Mathematik: https://www.tu-chemnitz.de/mathematik/numa/lehre/numerik-2015/Folien/numerik4.pdf * Parallel Algorithms for Scientific Computations Sparse Matrices: https://user.it.uu.se/~maney676/Courses/PASC/PASC_Lecture-1_Sparse-2x2.pdf * **Instrumenting HPCG for Fine-Grained Performance Monitoring Using LIKWID** [BA] * Zielsetzung: * Ziel der Arbeit ist es, einen praxisnahen Einblick in die Nutzung und Leistungsanalyse von High-Performance-Computing-Systemen zu vermitteln. Hierzu wird zunächst die Bedeutung von Benchmarking und Performance Monitoring für die Bewertung von HPC-Systemen erarbeitet. * Anschließend soll der etablierte HPCG-Benchmark mithilfe der LIKWID-API instrumentiert werden, um ausgewählte Performance-Metriken während der Programmausführung zu erfassen. Die gewonnenen Messdaten sollen strukturiert gespeichert und ausgewertet werden, sodass das Zusammenspiel zwischen Anwendung und zugrunde liegender Hardware analysiert werden kann. * Die Arbeit vermittelt damit grundlegende Methoden des HPC Performance Engineerings – von der Ausführung eines Benchmarks auf einem HPC-System über die gezielte Instrumentierung von Codeabschnitten bis hin zur Analyse und Visualisierung der erhobenen Performance-Daten. * Tasks: * Einarbeitung in die Nutzung des universitären HPC-Systems MOGON * Installation bzw. Konfiguration des HPCG-Benchmarks und Ausführung über Slurm * Einarbeitung in LIKWID und die verfügbaren Performance-Metriken * Integration der LIKWID Marker API in den C++ Code von HPCG * Definition geeigneter Messregionen innerhalb des Benchmarks * Erfassung und Auswertung ausgewählter Hardware-Performance-Counter und weiterer Performance-Metriken * Speicherung der erhobenen Messdaten in einer geeigneten Datenbank * Entwicklung einer einfachen Auswertungs- und Visualisierungspipeline * Erstellung von Architektur- und Workflow-Diagrammen der entwickelten Lösung * Visualisierung und Interpretation der Messergebnisse * *Optional bei entsprechendem Fortschritt:* Untersuchung einer feingranulareren Instrumentierung einzelner Codeabschnitte mithilfe der Embedded LIKWID API * Referenzen: * HPCG: https://www.netlib.org/utk/people/JackDongarra/PAPERS/hpcg-a-new.pdf * LIKWID: https://arxiv.org/pdf/1004.4431 * Likwid Github: https://github.com/RRZE-HPC/likwid/wiki/TutorialLikwidC * HPC Code Optimization Workshop Slides: https://doku.lrz.de/files/11497000/11497010/8/1745835319633/code-optimisation-likwid-intro-v2.pdf ## In Bearbeitung * ~~**Entwicklung eines I/O Energy Roofline Models**~~ [BA] (nicht verfügbar) * Ziel dieser Bachelorarbeit ist die Untersuchung, wie die von uns vorgeschlagene Metrik der I/O Energy Efficiency als Grundlage für eine Erweiterung bestehender I/O-Roofline-Modelle genutzt werden kann. * Ausgangspunkt der Arbeit sind das Konzept des Energy Roofline Models sowie in der Literatur vorgestellte I/O-Roofline-Modelle. Im Rahmen der Arbeit soll untersucht werden, wie sich Energieeffizienz systematisch in ein erweitertes I/O-Roofline-Modell integrieren lässt. * Ziel ist die Entwicklung eines I/O Energy Roofline Models, mit dem sowohl Dateisysteme als auch Anwendungen hinsichtlich ihrer I/O-bezogenen Energieeffizienz charakterisiert und bewertet werden können. Darüber hinaus sollen mögliche Optimierungsansätze identifiziert und diskutiert werden, um sowohl die Performance als auch die Energieeffizienz I/O-intensiver Anwendungen zu verbessern. * Ausgangsliteratur: https://seafile.rlp.net/d/56866b523b1b47f79c2a/ * ~~**PGAS (GASPI / OpenSHMEM) basierte ProxyApps**~~ [BA] (nicht verfügbar) * Step 1: Entwicklung einer kleinen Microbenchmark Suite zum Vergleich verschiedener PGAS basierten Kommunikationsschemata (ähnlich zum LLAMPS OpenSHMEM Paper: https://doi.org/10.1007/978-3-319-26428-8_8) * Warum?: Simples ersetzen von MPI Send und Receive calls durch Put / Get calls kann zu invaliden zuständen im Speicher führen * MPI garantiert eine sichere Wiederverwendung des Message Buffers direkt nach blockierenden calls und nach MPI Wait für nichtblockierende calls. Diese Garantie ist unabhängig davon ob in der zwischenzeit neue Nachichten angekommen. Für PGAS basierte Kommunikation, gilt es für eine erste implementation diese Garantie nicht zuverletzen. * Daher: Verschiedene Schemata testen und das performanteste auswählen * Step 2: Portierung einer ersten einfachen ProxyApp wie z.B. MiniMD auf GASPI / OpenSHMEM * Größere Skalierungstests: Ab welcher Problemgröße und Prozessanzahl kann man einen Performanceunterschied erkennen? * Gibts überhaupt einen Vorteil wenn man PGAS verwendet und nicht auch den zugrundeliegenden Algorithmus auf das Programmiermodell optimiert? * **~~Systematische Betrachtung ausgewählter Workflow-Management-Systeme für HPC-Umgebungen~~** [BA] (nicht verfügbar) * ~~**IO500 List Data Mining**~~ [BA] (nicht verfügbar) * IO500 is the de facto benchmark for evaluating I/O performance of parallel file systems in high-performance computing environments. In addition to the benchmark itself, IO500 maintains a publicly available collection of results submitted by institutions operating a wide range of parallel file system configurations. This dataset provides valuable insight into benchmark usage patterns and enables the study of evolving trends in data center architectures, optimization strategies, and IO500 tuning practices. * This thesis proposes a data science–oriented investigation of the IO500 result lists to extract various insights from existing data that have not yet been systematically explored. * Research Questions: - Does multi-objective optimization strategy work for optimizing IO500 benchmark configurations? - Explain why is it working/not working * Reference: Uncovering Hidden Performance Metrics from IO500 Benchmark Analysis - https://hps.vi4io.org/_media/events/2024/iodc24-kunkel-io500.pdf * ~~**Multi-objective Optimization for configuring the IO500 Benchmark**~~ [BA] (in Bearbeitung) * Optimizing the IO500 benchmark presents a significant challenge due to the large number of configuration parameters that must be carefully tuned to achieve optimal performance. The resulting high-dimensional configuration space renders exhaustive or brute-force exploration computationally prohibitive. * This thesis investigates the applicability of multi-objective optimization techniques for identifying efficient and near-optimal configurations of the IO500 benchmark on the Mogon cluster. * Research questions: * Does multi-objective optimization strategy work for optimizing IO500 benchmark configurations * Explain why is it working/not working * References: - Multi objective Optimization: https://en.wikipedia.org/wiki/Multi-objective_optimization - H. Ahmad, R. Liem and J. Lofstead, "Towards an Optimal IO500 Configuration: Literature Meets Empirical Evaluation," 2025 IEEE International Conference on Cluster Computing Workshops (CLUSTER Workshops), Edinburgh, United Kingdom, 2025, pp. 1-8, doi: 10.1109/CLUSTERWorkshops65972.2025.11164214. - JUBE: https://github.com/FZJ-JSC/JUBE/tree/master - Slurm in Mogon: https://docs.hpc.uni-mainz.de/docs/running_jobs/using-slurm/ * ~~**Automated Detection of I/O Access Patterns and Optimization Techniques**~~ [BA/MA] (in Bearbeitung) * Entwicklung einer Methode zur automatischen Erkennung von I/O-Zugriffsmustern anhand Traces * Ggf. Implementierung eines Erkennungsalgorithmus * Vorschlag von Optimierungsstrategien für ausgewählte Zugriffsmuster und Evaluierung dieser anhand von Benchmarks