信息技術(shù) 高性能計算系統(tǒng) 管理監(jiān)控平臺技術(shù)要求

ICS35.180

CCSL63

中華人民共和國國家標準

GB/TXXXXX—XXXX

信息技術(shù)高性能計算系統(tǒng)管理監(jiān)控平臺

技術(shù)要求

Informationtechnology—Highperformancecomputingsystem–Technical

requirementformanagementandmonitorplatform

（征求意見稿）

在提交反饋意見時，請將您知道的相關(guān)專利連同支持性文件一并附上

XXXX-XX-XX發(fā)布XXXX-XX-XX實施

國家市場監(jiān)督管理總局

發(fā)布

國家標準化技術(shù)委員會

GB/TXXXXX—XXXX

前??言

本文件按照GB/T1.1-2020《標準化工作導(dǎo)則第1部分：標準化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起

草。

請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機構(gòu)不承擔識別專利的責任。

本標準由全國信息技術(shù)標準化技術(shù)委員會歸口。

本標準主要起草單位：

本標準主要起草人：

II

GB/TXXXXX—XXXX

信息技術(shù)高性能計算系統(tǒng)管理監(jiān)控平臺技術(shù)要求

1范圍

本文件規(guī)定了高性能計算系統(tǒng)的管理監(jiān)控平臺的技術(shù)要求，包括管理監(jiān)控平臺對高性能計算系統(tǒng)管

理的功能、性能要求。

本文件適用于高性能計算系統(tǒng)管理監(jiān)控平臺的設(shè)計和開發(fā)。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

SJ/T11647信息技術(shù)盤陣列接口要求

3術(shù)語、定義和縮略語

3.1術(shù)語和定義

下列術(shù)語和定義適用于本文件。

3.1.1

高性能計算機highperformancecomputer

由成百上千、上萬個處理器單元、加速處理器單元、存儲單元，通過高速網(wǎng)絡(luò)互聯(lián)并行工作，組成

的具有超強計算能力的超級計算機，廣義上泛指解決大型復(fù)雜任務(wù)的計算工具。

3.1.2

高性能計算系統(tǒng)highperformancecomputingsystem

高性能計算機上加載操作系統(tǒng)、并行編譯環(huán)境、并行文件系統(tǒng)、科學(xué)計算應(yīng)用，構(gòu)建用于處理

科學(xué)計算信息的系統(tǒng)。

3.1.3

高性能計算系統(tǒng)管理監(jiān)控平臺managementandmonitoringplatformforthehighperformance

computingsystem

高性能計算系統(tǒng)管理監(jiān)控平臺是對組成高性能計算系統(tǒng)的硬件、系統(tǒng)環(huán)境、應(yīng)用及作業(yè)的運行狀態(tài)

進行監(jiān)控、報警、管理和調(diào)度的軟件，是高性能計算系統(tǒng)的運行維護軟件。

3.2縮略語

下列縮略語適用于本文件。

HPC：高性能計算（HighPerformanceComputing）

1

GB/TXXXXX—XXXX

CPU：中央處理單元(器)（CentralprocessingUnit）

IO：輸入輸出系統(tǒng)（inputoutput）

OS：操作系統(tǒng)（OperationSystem）)

PCE：并行編譯環(huán)境（ParallelCompilerEnvironment）

PFS：并行文件系統(tǒng)（ParallelFileSystem）

RAID：廉價(或獨立)磁盤冗余陣列（RedundantArrayofInexpensive(orIndependent)Drive）

SNMP：簡單網(wǎng)絡(luò)管理協(xié)議（SimpleNetworkmanagementProtocol）

SSH：安全外殼協(xié)議（Secureshelly）

4概述

4.1高性能計算系統(tǒng)

由高性能計算機上加載操作系統(tǒng)、并行編譯環(huán)境、并行文件系統(tǒng)、科學(xué)計算應(yīng)用構(gòu)成。圖1為高性

能計算系統(tǒng)示意圖。

圖1.高性能計算系統(tǒng)示意圖

4.2高性能計算系統(tǒng)管理監(jiān)控平臺功能模塊

高性能計算系統(tǒng)管理監(jiān)控平臺功能模塊包括資源管理、監(jiān)控管理、報警管理、系統(tǒng)管理、作業(yè)管理、

記賬系統(tǒng)、應(yīng)用管理幾個功能模塊。圖1為高性能計算系統(tǒng)管理監(jiān)控平臺功能模塊組成示意圖。

2

GB/TXXXXX—XXXX

圖2.高性能計算系統(tǒng)管理監(jiān)控平臺功能模塊組成示意圖

5功能要求

5.1一般要求

應(yīng)滿足以下要求：

應(yīng)具有對異構(gòu)軟硬件資源進行統(tǒng)一監(jiān)控報警能力；

應(yīng)具有對HPC系統(tǒng)上進行串行、并行、批處理作業(yè)的作業(yè)管理調(diào)度能力；

應(yīng)具有對HPC系統(tǒng)進行系統(tǒng)部署、應(yīng)用部署和系統(tǒng)管理的能力；

應(yīng)具有支持動態(tài)添加監(jiān)控項、支持在線功能升級；

應(yīng)具有動態(tài)擴展計算、存儲、網(wǎng)絡(luò)單元的能力；

應(yīng)提供標準的SNMP訪問和傳輸接口,以利于被其他運維系統(tǒng)的集成。

5.2監(jiān)控

5.2.1統(tǒng)一監(jiān)控

對計算單元、存儲單元、網(wǎng)絡(luò)單元等所有部件統(tǒng)一呈現(xiàn)，以機柜為單位呈現(xiàn)各部件的物理位置、名

稱、識別ID、狀態(tài)以及呈現(xiàn)HPC系統(tǒng)的整體的計算、內(nèi)存、IO能力和使用狀態(tài)、拓撲結(jié)構(gòu)。對機柜和機

柜內(nèi)的各個設(shè)備按照當前運行狀態(tài)實時地用相應(yīng)顏色來表示。

5.2.2硬件監(jiān)控

應(yīng)具備以下功能：

a)對計算單元、存儲單元、網(wǎng)絡(luò)單元監(jiān)控如下靜態(tài)信息：設(shè)備名稱、IP地址、操作系統(tǒng)類型和版

本號、CPU型號、主頻、緩存大小、內(nèi)存大小、內(nèi)存頻率、磁盤ID、類型、接口、轉(zhuǎn)速、RAID

級別、空間大小、IO設(shè)備型號、設(shè)備名稱、廠商、端口數(shù)量、協(xié)議類型、帶寬等信息。（包括

但不限于以上靜態(tài)信息，監(jiān)控項可以動態(tài)添加）；

b)對計算單元、存儲單元、網(wǎng)絡(luò)單元監(jiān)控如下動態(tài)信息：設(shè)備狀態(tài)、CPU利用率、物理內(nèi)存占用

率、網(wǎng)絡(luò)流出字節(jié)/流入字節(jié)、數(shù)據(jù)包丟包率、磁盤IOPS、讀寫帶寬、CPU溫度、散熱風(fēng)扇的轉(zhuǎn)

速、電源供電等信息。（包括但不限于以上靜態(tài)信息，監(jiān)控項可以動態(tài)添加）。

5.2.3應(yīng)用監(jiān)控

3

GB/TXXXXX—XXXX

HPC系統(tǒng)上運行應(yīng)用的版本等靜態(tài)信息以及進程的狀態(tài)、啟動時間、運行時間、用戶數(shù)、連接數(shù)等

狀態(tài)信息。

5.2.4隊列和作業(yè)監(jiān)控

應(yīng)具備以下隊列和作業(yè)的監(jiān)控功能：

a）監(jiān)控各隊列調(diào)度策略；

b）監(jiān)控各隊列資源使用狀態(tài)；

c）監(jiān)控各隊列作業(yè)數(shù)量和運行狀態(tài)（等待、運行、完成、掛起）；

d）監(jiān)控作業(yè)的優(yōu)先級高低；

e）監(jiān)控作業(yè)運行時狀態(tài)和運行結(jié)果。

5.3報警

應(yīng)具備以下報警功能：

a)實時告警：

1)硬件：對機柜電源、計算單元、網(wǎng)絡(luò)單元、存儲單元的運行狀態(tài)的檢測告警；

2)應(yīng)用程序：對各種應(yīng)用軟件的運行狀態(tài)進行檢測告警，同時包括操作系統(tǒng)的運行狀態(tài)

告警。

b）..歷史告警：支持對歷史告警的查詢（按類別、時間、自定義方式）、統(tǒng)計功能，并可給出

統(tǒng)計分布圖。

c）告警設(shè)置：

1)提供對告警的閾值的單詞、批量設(shè)定功能；

2)可對告警級別進行設(shè)定和調(diào)整；

3)支持單詞、批量地對告警信息進行取消和確認的操作；

4)提供告警過濾功能，即根據(jù)條件呈現(xiàn)告警；

5)提供告警處理建議的編輯功能，當再次發(fā)生同類告警，系統(tǒng)直接給出處理建議；

6)支持用戶自定義告警設(shè)置。

d）告警歸并：對系統(tǒng)關(guān)聯(lián)告警進行歸并處理，合成一類告警程序。

e）提供短信、郵件以及屏幕閃爍、彈出提示窗口等告警形式。

5.4調(diào)度

具備以下調(diào)度功能：

a）提供基于優(yōu)先級、先進先出、作業(yè)回填的作業(yè)調(diào)度策略，以及獨占資源的調(diào)度策略；

b）提供作業(yè)投放、停止、刪除的操作，可刪除隊列中已投放的作業(yè)，無論其是排隊中還是已運行；

c）智能負載功能：根據(jù)節(jié)點運行狀態(tài)和作業(yè)排隊情況，動態(tài)調(diào)整系統(tǒng)計算資源可用處理器顆數(shù)，

降低電力消耗；

d）一鍵式作業(yè)調(diào)度：提供復(fù)雜應(yīng)用工作流，將作業(yè)的前中后處理各環(huán)節(jié)形成調(diào)度作業(yè)一鍵提交，

直接生成可讀的圖片或數(shù)據(jù)。即將作業(yè)的算例生成、作業(yè)提交、作業(yè)調(diào)度、作業(yè)運行過程監(jiān)控、

作業(yè)結(jié)果處理的前中后處理形成可一鍵提交的作業(yè)。

5.5管理

4

GB/TXXXXX—XXXX

5.5.1系統(tǒng)部署

應(yīng)具備如下功能：

a）操作系統(tǒng)自動鏡像恢復(fù)的功能,包括系統(tǒng)批量鏡像恢復(fù)功能；

b）對計算單元操作系統(tǒng)的遠程單機、批量部署功能,包括對原有設(shè)備的恢復(fù)和新增設(shè)備的部署；

c）對計算單元系統(tǒng)的單機、批量更新功能。

5.5.2應(yīng)用部署

應(yīng)具備如下功能：

a）對計算節(jié)點應(yīng)用軟件單機、批量上載、安裝的功能；

b）對計算節(jié)點應(yīng)用程序配置文件的單機、批量更新功能；

c）對應(yīng)用程序的自動重啟功能。

5.5.3系統(tǒng)管理

應(yīng)具備如下功能：

a）對計算單元單機、批量腳本的執(zhí)行功能；

b）對計算節(jié)點的操作系統(tǒng)批量更改用戶名和口令的功能；

c）能按照物理的機架拜訪位置布局,提供添加、修改和刪除機柜、計算單元、網(wǎng)絡(luò)單元、存儲單

元的操作。

5.5.4遠程管理

應(yīng)具備如下功能：

a）對于計算單元設(shè)備,應(yīng)提供遠程單機、批量開機、關(guān)機、重啟功能；

b）提供遠程文件上傳下載和SSH登錄的功能；

c）對存儲單元和網(wǎng)絡(luò)單元，提供遠程管理功能，以對其進行配置更改和故障維護。

5.5.5應(yīng)用模板

應(yīng)具備如下功能：

a）提供HPC應(yīng)用領(lǐng)域常用應(yīng)用的應(yīng)用模板，模板中有關(guān)于應(yīng)用運行的建議參數(shù)及配置；

b）支持用戶通過自定義方式定義模板。

5.5.6報表管理

具備以下數(shù)據(jù)統(tǒng)計功能：

a）計算節(jié)點的CPU使用率月度趨勢報表；

b）計算節(jié)點內(nèi)存利用率月度趨勢報表；

c）磁盤空間使用量報表；

d）應(yīng)支持自定義報表,對監(jiān)控數(shù)據(jù)進行分類統(tǒng)計與報表生成。

6性能要求

管理監(jiān)控平臺應(yīng)滿足如下性能要求：

a)支持系統(tǒng)CPU處理器數(shù)量應(yīng)達到千顆級以上，CPU核數(shù)應(yīng)達萬級核心以上，實現(xiàn)用戶單一映像

的登錄；

5

GB/TXXXXX—XXXX

b)系統(tǒng)告警級別可配置，對于關(guān)鍵監(jiān)控指標的延遲不大于1min；

c)系統(tǒng)運行監(jiān)控項的數(shù)據(jù)采集周期可配置，最小采集周期可達秒級；

d)告警信息、報表所需數(shù)據(jù)的存儲時間至少1年,性能數(shù)據(jù)的存儲時間至少三個月；

e)平均故障間隔時間大于6個月；

f)軟件運行占單顆CPU資源占用率不大于2%；

g)頁面的響應(yīng)時間小于5s。

_________________________________

6

GB/TXXXXX—XXXX

目??次

前言.....................................................................................................................................................................II

1范圍...................................................................................................................................................................1

2規(guī)范性引用文件...............................................................................................................................................1

3術(shù)語、定義和縮略語.......................................................................................................................................1

4概述...................................................................................................................................................................2

5功能要求...........................................................................................................................................................3

6性能要求...........................................................................................................................................................5

I

GB/TXXXXX—XXXX

信息技術(shù)高性能計算系統(tǒng)管理監(jiān)控平臺技術(shù)要求

1范圍

本文件規(guī)定了高性能計算系統(tǒng)的管理監(jiān)控平臺的技術(shù)要求，包括管理監(jiān)控平臺對高性能計算系統(tǒng)管

理的功能、性能要求。

本文件適用于高性能計算系統(tǒng)管理監(jiān)控平臺的設(shè)計和開發(fā)。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

SJ/T11647信息技術(shù)盤陣列接口要求

3術(shù)語、定義和縮略語

3.1術(shù)語和定義

下列術(shù)語和定義適用于本文件。

3.1.1

高性能計算機highperformancecomputer

由成百上千、上萬個處理器單元、加速處理器單元、存儲單元，通過高速網(wǎng)絡(luò)互聯(lián)并行工作，組成

的具有超強計算能力的超級計算機，廣義上泛指解決大型復(fù)雜任務(wù)的計算工具。

3.1.2

高性能計算系統(tǒng)highperformancecomputingsystem

高性能計算機上加載操作系統(tǒng)、并行編譯環(huán)境、并行文件系統(tǒng)、科學(xué)計算應(yīng)用，構(gòu)建用于處理

科學(xué)計算信息的系統(tǒng)。

3.1.3

高性能計算系統(tǒng)管理監(jiān)控平臺managementandmonitoringplatformforthehighperformance

computingsystem

高性能計算系統(tǒng)管理監(jiān)控平臺是對組成高性能計算系統(tǒng)的硬件、系統(tǒng)環(huán)境、應(yīng)用及作業(yè)的運行狀態(tài)

進行監(jiān)控、報警、管理和調(diào)度的軟件，是高性能計算系統(tǒng)的運行維護軟件。

3.2縮略語

下列縮略語適用于本文件。

HPC：高性能計算（HighPerformanceComputing）

1

GB/TXXXXX—XXXX

CPU：中央處理單元(器)（CentralprocessingUnit）

IO：輸入輸出系統(tǒng)（inputoutput）

OS：操作系統(tǒng)（OperationSystem）)

PCE：并行編譯環(huán)境（ParallelCompilerEnvironment）

PFS：并行文件系統(tǒng)（ParallelFileSystem）

RAID：廉價(或獨立)磁盤冗余陣列（RedundantArrayofInexpensive(orIndependent)Drive）

SNMP：簡單網(wǎng)絡(luò)管理協(xié)議（SimpleNetworkmanagementProtocol）

SSH：安全外殼協(xié)議（Secureshelly）

4概述

4.1高性能計算系統(tǒng)

由高性能計算機上加載操作系統(tǒng)、并行編譯環(huán)境、并行文件系統(tǒng)、科學(xué)計算應(yīng)用構(gòu)成。圖1為高性

能計算系統(tǒng)示意圖。

圖1.高性能計算系統(tǒng)示意圖

4.2高性能計算系統(tǒng)管理監(jiān)控平臺功能模塊

高性能計算系統(tǒng)管理監(jiān)控平臺功能模塊包括資源管理、監(jiān)控管理、報警管理、系統(tǒng)管理、作業(yè)管理、

記賬系統(tǒng)、應(yīng)用管理幾個功能模塊。圖1為高性能