2010年第三季度高性能计算机系统使用情况报告.docVIP

2010年第三季度高性能计算机系统使用情况报告 2010年第三季度高性能计算机系统整体运行良好，继续保持了很高的可用率。系统共发生5次硬件故障，主要分布于HPS高性能交换系统、F02n08节点和F02n01节点；系统软件共发生2次故障，分别由生效cron补丁和f02n01节点/usr/bin/mksysb文件异常造成；在用户数量方面，整个第三季度系统无新增用户，用户总量仍为11个；在资源使用方面，仍在较低利用率的情况下保持稳定。 系统可用性情况统计 2010年第三季度IBM高性能计算机系统硬件及存储系统继续保持了很高的可用率。7月份主机节点可用率为99.60%，主要原因是受f02n08节点故障影响，其中包括一次DCA电源模块故障和一次SNI卡故障，DCA电源模块故障导致节点宕机，而SNI卡的更换需要节点停机进行。8月份和9月份各个节点均无停机，因此主机节点可用率均为100%。除此之外，系统整体运行平稳，其余故障的发生和配件更换由于系统高可用性的冗余设计，没有影响整个系统的正常运行，因此，系统可用率为100%，如图1所示： 图1 系统可用率统计 设备运行情况统计 2010年第三季度硬件故障数量分类统计如表1和图2所示： 表1 故障类别和数量统计 维护类别 维修次数 比例 HPS交换机 2 40% F02n08 2 40% F02n01 1 20% 合计 4 100% 本季度共发生5次故障，故障的数量和类型相对比较稳定，均为常见故障。其中HPS高性能交换系统共发生2次故障，占故障总数的40%，均为switch电源故障。F02n08节点共发生2次故障，占故障总数的40%，其中DCA电源模块故障一次，SNI卡故障一次。F02n01节点发生一次硬盘故障，占故障总数的20%。由于在发生故障后值班员及时通知IBM工程师进行相关处理，从而保证了在最短时间内恢复系统的正常运行。 图2 故障类别和数量统计 系统软件运行情况 2010年第三季度共发生两次系统软件故障，第一次故障是由升级IBM技术工程师提供的cron补丁时发生异常造成，该故障导致test用户的crontab定时作业执行失败，系统管理员通过IBM技术支持，修改queuedef文件的进程数后恢复正常。 第二次故障是由f02n01节点的/usr/bin/mksysb文件发生异常造成，该故障导致f02n01节点执行smitty mksysb失败，经系统管理员查明，该文件版本与f01n01节点相同,因此从f01n01节点上拷贝/usr/bin/mksysb文件覆盖 f02n01节点的/usr/bin/mksysb文件后恢复正常。由于两次故障系统管理员发现和处理及时并未影响到系统和业务的运行。 用户情况 2010年第三季度，高性能计算机没有新增账户。截至目前，高性能计算机系统共有业务及科研用户11个，所属单位及用途如表3所示： 表3 高性能计算机系统用户分类统计信息 应用名称 所属单位 用途 运算频次 WRF模式 科研所 业务 每日3次 MM5模式 科研所 业务 每日2次 风暴潮预报业务模式风场数据获取 气象台 业务 每日1次 风能资源的数值模拟 气候中心 业务 每月1次 WRF模式程序调试 科研所 科研 不定期 WRF模式程序调试 科研所 科研 不定期 WRF模式程序调试 科研所 科研 不定期 MM5模式程序调试 科研所 科研 不定期 海洋模式的研究 科研所 科研 不定期 气候业务模式REGCM预研究 气候中心 科研 不定期 海冰模式参数化方案的改进 气象台 科研 不定期 天津地区2009年汛期一次强降雨天气过程分析 业务处 科研 不定期 资源使用情况 计算资源使用情况 总体上来说，每日定时运行的WRF模式、MM5模式、风暴潮预报业务模式风场数据获取程序对计算资源的消耗较为固定。风暴潮预报业务模式风场数据获取程序每次只占用1个CPU将近20分钟左右的时间，对计算资源的占用较少； WRF模式和MM5模式则是占用HPC计算资源的主力。图3是抽取这三类业务模式运行的单日CPU记账记录绘制而成的HPC单日CPU利用率分布情况。图中CPU利用率较高的三个时段即是WRF模式和MM5模式的运行时段，由于下午MM5模式不运行，所以下午CPU占用率高的时长小于上午和夜间。7月上旬由于节点f02n08故障，为确保模式正常运行，WRF模式改为14个节点运行。7月13日，恢复为16个节点运行。由于目前系统处于低负荷运行状态，对系统整体运行状况影响很小。 图3 全部节点可用时CPU利用率分布图 HPC在2010第三季度总体运行良好，图4展示了2010第三季度HPC计算资源的各月消耗情况，计算资源的利用率基本稳定。由于用户wangqy的风暴潮预报业务模式对计算资源的使用集中在