近年来，出于科研和教学的需要，包括清华大学、南京大学、吉林大学等在内的多所高校纷纷建设自己的HPC(高性能计算)平台。在HPC平台的实际建设与运营中，这些大学探索出许多宝贵经验。为此，《网络世界》记者特地采访了清华大学信息国家重点实验室副教授张武生，他向我们介绍了清华大学在解决不同HPC用户作业个性化控制方面的思路与方法。

　　高校HPC平台：众口难调

　　作为我国最早开展HPC研究的单位之一，清华大学早在2005年开始自建HPC平台，如今，该校HPC平台二期工程也于今年4月正式投入使用。据张武生介绍，清华大学HPC平台采用CPU+GPU混合计算模式，其中，CPU部分具有一百万亿次浮点计算能力，共使用740台基于英特尔至强5670的刀片服务器，总CPU核数达8880个，存储容量1PB，通过22个IO节点与集群相连。

　　“由于多个院系共享一个HPC平台，上面跑的HPC应用种类繁多，各个科研用户对HPC计算环境的需求也不一样，可以说是‘众口难调’。因此，我们这种高校计算中心普遍面临的问题就是，如何解决不同用户作业的个性化控制难题，如何在兼顾公平的同时，服务好重点应用。”张武生说。

　　张武生表示，该校HPC平台的最大亮点就在于有效解决了校级计算中心多应用、多用户“众口难调”的问题。

　　两大经验

　　我们知道，科学计算集群维护中很繁琐的一个工作就是维护系统的全局一致性：就是要保证集群各个节点上的配置、用户信息、软件安装全局都是一样的。传统做法是，每个节点都装操作系统，但一旦有节点坏掉了，或有硬盘坏掉了，或节点硬件坏掉了，就要重装系统，然后再做全局一致性同步，这个是一个很大工作量，尤其一个HPC平台的节点数量往往多达成百上千。因此，清华大学自行开发了一套集群管理系统——用它为集群提供“单一系统映像”。

　　“单一系统影像”集群管理系统实现了用单一操作系统内核管理所有的硬件。简单地理解，就是只要在一个节点上装一个操作系统，不再需要所有节点上都装。这种做法，大大增强系统的容错能力，做到外界故障不影响软件环境，也免除了集群全局一致性维护工作。更重要的是，它还通过偏特化配置技术满足了各个HPC用户的个性化需求。

　　张武生解释道：“比如一些信息学科的研究本身就跟操作系统、硬件等相关。他们做实验时，常常会要求我们装某个特殊版本的操作系统、驱动程序。要是在以前，不是我们拒绝他，就是要把集群上的系统全部重装一遍，等他用完之后全部恢复过来，非常麻烦。现在有‘单一系统映像’之后，直接在主控节点上装一个，然后指定一组机器启动该操作系统，其它机器完全不受影响，用完之后再删掉就可以，变得非常简单。”

　　另一大经验在于作业调度系统的选择。

　　高校HPC平台要求作业调度系统必须能对各个应用软件具有非常良好的支持，不仅能支持各种工程计算应用，还能支持各种各样基础科学研究。这意味着作业调度系统要与各个商业应用软件具有良好的接口和后台支撑，同时还必须支持各种开源软件，确保各种应用软件在集群环境下的稳定应用。

　　“事实上，相关的开源软件能找到的我们都用过，但最终还是选择了Platform公司作业调度系LSF(Platform LSF HPC)。”张武生告诉记者。

　　张武生表示，LSF有两大优点。一是稳定性非常好，从来没发生作业或者节点会丢失的问题;二是可用性好。“尤其我们学校老师会有各种各样控制方面的需求，例如，有些老师对作业运行时间、使用的拓扑结构都会提特殊要求，等等。LSF提供配置参数特别多，我们通过组合的方式就能满足老师们的需求。如果是开源作业调度软件，要弄明白这些参数的用途就很费劲，各个开源软件配置参数也没有LSF这样丰富。而且，Platform提供很多支持，利于我们快速响应用户需求，把工作质量提高上去。”张武生说。