DYNAMICALLY REROUTING NODE TRAFFIC ON A PARALLEL COMPUTER SYSTEM

A method and apparatus for dynamically rerouting node processes on the compute nodes of a massively parallel computer system using hint bits to route around failed nodes or congested networks without restarting applications executing on the system. When a node has a failure or there are indications that it may fail, the application software on the system is suspended while the data on the failed node is moved to a backup node. The torus network traffic is routed around the failed node and traffic for the failed node is rerouted to the backup node. The application can then resume operation without restarting from the beginning. L'invention concerne un procédé et un appareil de réacheminement dynamique de processus de noeuds sur les noeuds de calcul d'un système informatique massivement parallèle au moyen de bits d'indication permettant un acheminement autour de noeuds défaillants ou de réseaux congestionnés sans redémarrage des applications en cours d'exécution sur le système. Lorsqu'un noeud présente une défaillance ou lorsqu'il est susceptible de présenter une défaillance, le logiciel d'application sur le système est mis en mode pause pendant que les données sur le noeud défaillant sont déplacées vers un noeud de sauvegarde. Le trafic de réseau torique est acheminé autour du noeud défaillant et le trafic pour le noeud défaillant est réacheminé vers le noeud de sauvegarde. L'application peut ensuite reprendre son fonctionnement sans redémarrage depuis le début.