用户为何终止 HPC 作业？
分布式、并行与集群计算
2019-10-22 v2
摘要
鉴于 HPC 集群的成本，充分利用它们对改善基础设施投资回报率（ROI）至关重要。同样，减少失败的 HPC 作业以及相关的用户等待时间方面的浪费，对提升 HPC 用户生产力（即人力 ROI）至关重要。尽管大多数努力（例如调试 HPC 程序）探索技术层面以改善 HPC 集群的 ROI，我们假设非技术（人为）方面值得探索以取得非平凡 ROI 收益；具体而言，理解非技术方面及其如何导致 HPC 作业的失败。在这方面，我们在堪萨斯州立大学的 Beocat 集群背景下进行了案例研究。该研究的目的是了解用户终止作业的原因，并从系统利用率和用户等待时间角度量化此类作业中浪费的计算。案例研究的数据有助于识别用户终止 HPC 作业的有趣且可操作的原因。它也帮助确认用户终止的作业可能与非平凡数量的计算浪费相关，若减少此类浪费可有助于改善 HPC 集群的 ROI。
引用
@article{arxiv.1805.01177,
title = {Why do Users Kill HPC Jobs?},
author = {Venkatesh-Prasad Ranganath and Daniel Andresen},
journal= {arXiv preprint arXiv:1805.01177},
year = {2019}
}
备注
Minor formatting and content update based on reader feedback