百万亿次集群系统的设备管理与系统运维

• 作者: 张武生 徐伟平 杨广文 林皎
• 来源期刊: 实验技术与管理
• 学科: 工学
• 关键词: 高性能计算平台 设备管理 系统运维
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 计算机技术应用
• 页码范围: 87-90
• 页数: 4页
• 分类号: TP302
• 字数: 4668字
• 语种: 中文

摘要

清华信息科学与技术国家实验室(筹)高性能计算公共平台是清华大学校级公共服务平台之一.建立完备的设备管理方法及高效的系统运维模式是高性能计算平台管理的最基础工作之一.采用自动化与人工管理相结合的方式,建立了完善的设备管理制度保证整个集群设备安全运行；在集群系统运维中,自主开发了集群机自动检测及修复系统,实现了无人值守系统运维模式,保证集群系统的稳定性.目前,设备管理与系统运维系统已经应用于清华“探索100”百万次超级计算系统,为校内外用户提供了稳定、高效的高性能计算环境.