论文研究 - 中国气象领域高性能计算故障的研究与分析

中国气象局（CMA）使用高性能计算系统（HPCS）已有三十多年的历史。 CMA HPCS投资提供了可靠的HPC功能，这些功能对于运行数值天气预报（NWP）模型和气候模型至关重要，每天生成数百万种天气指导产品，并为耦合模型比较项目第五阶段（CMIP5）提供支持。 监视HPCS并分析资源使用情况可以提高我们用户的性能和可靠性，这需要对故障特征有很好的了解。 缺乏对实际生产系统中的故障的大规模研究。 本文收集，分析和研究HPC运行期间发生的所有故障，尤其着重研究HPCS与NWP应用之间的关系。 此外，我们提出了更有效的监控系统开发所面临的挑战，并总结了有用的维护策略。 此步骤可能会对HPC在线故障预测的性能产生重大影响，并在将来提高性能。