A64FX（富士通コンパイラ、-Nquickdbg）で 31 件のテストが実行時エラーになる
現象
A64FX（富士通コンパイラ）で -Nquickdbg を付けてビルドし、全 432 件のテストを実行すると、31 件（7%）が失敗する。
master dd7e2a08 で同じ 31 件の失敗を確認している。
失敗の仕方は 2 種類である。
- SIGSEGV による異常終了（30 件）
- 参照解との不一致（1 件、
lib/physics/Elastoplastic）
いずれも未定義の値を使っていることによる。-Nquickdbg は未定義の領域を不正なパターンで埋め、その参照を検出する。
x86 + gfortran では未定義の領域がたまたま無害な値になるため表面化せず、CI では落ちない。
環境
- A64FX（Wisteria/BDEC-01）、富士通コンパイラ tcsds-1.2.43、Open MPI 4.0.1
- ビルドオプション:
-p --with-tools --with-metis --with-mumps --with-lapack --with-ml --with-netcdf、これに-Nquickdbgを追加 - 実行:
ctest（serial / mpi / openmp / hybrid の全 432 件）
失敗するテスト
| テスト | 並列方式 | 件数 | 失敗の仕方 |
|---|---|---|---|
lib/physics/Elastoplastic |
serial・mpi・openmp | 3 | 参照解との不一致（mohr_simple_shear の応力） |
lib/physics/Elastoplastic |
hybrid | 1 | SIGSEGV |
analysis/heat/exN・exO・exP・exQ・exR・exS・exU |
openmp・hybrid | 14 | SIGSEGV |
analysis/interaction/contact_alag_tied_iter |
openmp・hybrid | 2 | SIGSEGV |
analysis/interaction/contact_slag_tied_iter |
openmp・hybrid | 2 | SIGSEGV |
analysis/interaction/contact_s2s_mortar_fric |
hybrid | 1 | SIGSEGV |
analysis/interaction/contact_slag_mpc_elim_iter |
hybrid | 1 | SIGSEGV |
analysis/static/mpc_elim_iter |
hybrid | 1 | SIGSEGV |
analysis/dynamic/mpc |
hybrid | 1 | SIGSEGV |
with_mumps/contact_slag_mpc_elim_mumps |
hybrid | 1 | SIGSEGV |
with_mumps/mpc_elim_mumps |
hybrid | 1 | SIGSEGV |
lib/static_LIB_1d |
openmp・hybrid | 2 | SIGSEGV |
lib/static_LIB_Fbar |
openmp | 1 | SIGSEGV |
serial と mpi で失敗するのは lib/physics/Elastoplastic だけで、残りはすべて OpenMP を使う構成である。
原因
富士通ランタイムのトレースバックから特定できた箇所は次のとおりである。
| 箇所 | 内容 | 該当テスト | 状態 |
|---|---|---|---|
fistr1/src/lib/static_LIB_Fbar.f90 113・447 |
微小変形の分岐では Jratio を設定しないまま Jratio(1:8) = c*Jratio(1:8) を実行する。微小変形では Jratio を使わないため、読んだ値はどこにも影響しない |
tied 接触、lib/static_LIB_Fbar |
原因特定済み。1 行の修正で済み、数値は変わらない |
fistr1/src/lib/heat_LIB_CONDUCTIVITY.f90 198-200 |
呼び出し元が 3 節点シェル（731）に nn = 4 を渡すため、heat_conductivity_shell_731 が埋めていない 4 列目の ecoord を読む。直後に COD(:,nn) = COD(:,nn-1) で上書きされるため、読んだ値は使われない |
analysis/heat/ex* |
原因特定済み。1 行の修正で済み、数値は変わらない |
fistr1/src/lib/physics/calMatMatrix.f90 354・360 |
GetConnectorProperty が STF_DASHPOT_D から呼ばれた直後に落ちる。gauss%pMaterial%variables_i(...) の参照が疑わしい |
lib/static_LIB_1d |
未確定 |
fistr1/src/analysis/interaction/fstr_contact_search.f90 42 |
is_known_master_in_segment の contact%master(known_masters(k)) の添字が不正。get_unique_map が states(i)%surface をそのまま使っており、この成分が未定義になる場合がありそうである |
contact_s2s_mortar_fric |
未確定 |
hecmw1/src/solver/las/hecmw_solver_las_33.F90 506 |
hecmw_ttvec_33 で、MPC の mpc_item・mpc_dof から作る添字 jj が Y の範囲外になる |
mpc_elim_mumps、hybrid の lib/physics/Elastoplastic |
未確定 |
fistr1/src/lib/heat_LIB_DFLUX.f90 1317 |
heat_dflux_352 が XX(NOD(I)) を I = 1, 8 で読む。面の節点数より大きいループ長で NOD の未設定要素を添字に使っていると思われる |
analysis/heat/exU |
未確定 |
fistr1/src/lib/utilities/utilities.f90 deriv_general_iso_tensor_func_3d |
主値が互いに異なる分岐で dydx を初期化せずに足し込む。呼び出し元の calElastoPlasticMatrix_MC が直前に弾性行列を入れているため、-Nquickdbg では接線剛性が壊れ、mohr_simple_shear の応力が 1e-3 程度ずれる |
lib/physics/Elastoplastic |
原因特定済み。直すと Mohr-Coulomb の数値が変わるため、扱いの判断が要る |
このほかに、トレースバックが出ない SIGSEGV がある（analysis/heat/ex* の大半、mpc_elim 系、analysis/dynamic/mpc、hybrid の lib/static_LIB_1d）。
富士通ランタイムが異常終了の処理中にさらに失敗しており（jwe0020i）、発生箇所が分からない。
1 プロセス・1 スレッドでの再実行が必要である。
#567 (closed) の修正（MR !664 (merged)）との関係
master では、上の 31 件のうち 6 件が、MR !664 (merged) が直した次の 3 か所で落ちている（1 つのテストが複数のケースを実行するため、発生回数は計 13 回である）。
| master での SIGSEGV の箇所 | 回数 |
|---|---|
hecmw1/src/solver/matrix/hecmw_local_matrix.f90 1508（convert_rowID_to_remote_localID） |
7 |
fistr1/src/analysis/static/make_result.f90 1879（省略された expflag の参照） |
5 |
fistr1/src/lib/static_LIB_1d.f90 549（STF_SPRING_A の stiff を入口で読む） |
1 |
MR !664 (merged) を当てると、この 3 か所では落ちなくなり、同じテストがより先まで進んだうえで、上の表の箇所で落ちる。 31 件の失敗自体は MR !664 (merged) の前後で変わらない。
#896 (closed) との関係
#896 (closed) は仮引数の intent の誤りを対象としており、全ソースの走査で検出できる。
本 issue の問題は、局所変数・派生型の成分・配列の添字が未定義のまま使われるもので、同じ系統だが走査の対象外である。
確認に使った実行
| 対象 | 実行 | 結果 |
|---|---|---|
| master 2d99c9f2 に #567 (closed) の修正（MR !664 (merged) のリベース前）を当てたもの | 全 432 件 | 31 件が失敗 |
| master dd7e2a08 | 上の 31 件を含む 37 件 | 同じ 31 件が失敗 |
どちらも同じビルド設定（-Nquickdbg あり）である。