计算机工程与科学

作者：张天阳, 池成悦, 郭武, 高亦沁, 文敏华, 韦建文

单位：上海交通大学网络信息中心，上海 200240

关键词：高性能计算,多站点集群,异地容灾,多层联合监控,

基金：国家重点基础研究发展计划(2018YFA0404600,2018YFA0404603)

随着高性能计算的业务增长和规模扩大，机房空间、供电能力等外部因素常常会成为集群扩容升级的制约因素，由此产生了异地超算集群的建设需求。异地超算能突破单个集群的地理限制，提供更多算力资源。基于上海交通大学“交我算”计算平台建设异地联合超算集群的实践，总结了基础设施与系统软件的统一管理方法，以及集群异地容灾的高可用设计，具体包括：适配Slurm作业调度系统、Open OnDemand可视化门户站点、扩展LDAP等基础服务的高可用能力，以及建设分层汇聚监控系统。最后，从数据传输、用户体验和平台可用性3个维度展示了异地超算集群方案的有效性。

来源：2023年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第12期