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。
