PlatforMax 智能軟件平臺(tái)
PlatforMax智算融合平臺(tái)是超集信息自主研發(fā)的面向于高性能計(jì)算（HPC）和人工智能（AI）場景的智算融合平臺(tái)，采用先進(jìn)的技術(shù)架構(gòu)，由同一個(gè)管理節(jié)點(diǎn)納管，可以將計(jì)算節(jié)點(diǎn)資源劃分為HPC和AI兩個(gè)分區(qū)，分區(qū)資源相互獨(dú)立，滿足用戶對(duì)于HPC及AI業(yè)務(wù)的資源需求，為用戶提供了一套既可以進(jìn)行HPC作業(yè)，又可以進(jìn)行AI訓(xùn)練的環(huán)境，助力HPC+AI業(yè)務(wù)的發(fā)展。
產(chǎn)品架構(gòu)
-
基礎(chǔ)層基礎(chǔ)設(shè)施以硬件服務(wù)器為載體，支持主流 X86 服務(wù)器，配置 NVIDIA GPU 實(shí)現(xiàn)高性能加速計(jì)算，采用主流分布式存儲(chǔ)設(shè)備，支持 TCP/IP，InfiniBand 高速網(wǎng)絡(luò)互聯(lián)。
-
平臺(tái)層平臺(tái)層是整個(gè)系統(tǒng)的核心內(nèi)容，采用先進(jìn)的技術(shù)架構(gòu)，能夠?qū)崿F(xiàn)異構(gòu)資源的高效管理、調(diào)度和監(jiān)控，除提供AI模型開發(fā)、AI模型訓(xùn)練到AI部署的完整功能外，也適用于生命科學(xué)、氣象預(yù)報(bào)、量子力學(xué)、油氣勘探等HPC科學(xué)計(jì)算領(lǐng)域。
核心功能
集群管理
提供集群資源監(jiān)控、集群節(jié)點(diǎn)管理、集群分區(qū)管理、用戶權(quán)限管理、數(shù)據(jù)存儲(chǔ)、任務(wù)鏡像等管理服務(wù)，對(duì)集群內(nèi)資源進(jìn)行HPC分區(qū)節(jié)點(diǎn)、AI分區(qū)節(jié)點(diǎn)的管理，采用表盤式工作界面，菜單界面平滑直觀，功能化繁為簡，一目了然。
用戶管理
管理員對(duì)用戶和用戶組的CPU、GPU、內(nèi)存和存儲(chǔ)配額進(jìn)行設(shè)定，限定資源數(shù)量。系統(tǒng)具備集群管理員、分區(qū)管理員、項(xiàng)目管理員、普通用戶多級(jí)多角色管理，用戶的數(shù)據(jù)存儲(chǔ)空間相互隔離，無法越界訪問未授權(quán)的數(shù)據(jù)，支持設(shè)置用戶有效期，以及批量導(dǎo)入用戶。
鏡像管理
平臺(tái)內(nèi)置Tensorflow、PyTorch、MxNet、CUDA、Gromacs、NAMD、LAMPPS、OpenVINO、oneAPI等鏡像，還可連接NGC、Docker HUB等獲取鏡像，支持用戶上傳鏡像與自定義鏡像，滿足不同用戶對(duì)鏡像制作的要求。
數(shù)據(jù)存儲(chǔ)
平臺(tái)通過NFS實(shí)現(xiàn)統(tǒng)一的網(wǎng)絡(luò)文件存儲(chǔ)系統(tǒng)，支持多種單機(jī)，分布式等多種存儲(chǔ)方式，支持?jǐn)?shù)據(jù)上傳、下載、刪除、壓縮、解壓、復(fù)制、移動(dòng)和內(nèi)容瀏覽等，不同用戶的私有數(shù)據(jù)相互隔離，用戶不同的項(xiàng)目數(shù)據(jù)之間相互隔離。
作業(yè)調(diào)度
平臺(tái)支持AI或HPC任務(wù)，AI任務(wù)可選單機(jī)或分布式任務(wù)，分布式任務(wù)支持容器之間SR-IOV高速虛擬網(wǎng)卡通信；HPC任務(wù)支持Web、Shell、命令行等方式提交任務(wù)，Slurm調(diào)度器根據(jù)資源需求，調(diào)度任務(wù)到最優(yōu)節(jié)點(diǎn)，保障任務(wù)高效運(yùn)行。
監(jiān)控中心
監(jiān)控系統(tǒng)資源使用情況，節(jié)點(diǎn)狀態(tài)，任務(wù)運(yùn)行情況，通過單一界面管理平臺(tái)，從分區(qū)、用戶、集群、任務(wù)類型等各個(gè)層次和維度展示當(dāng)前GPU的空閑和占用狀態(tài)，支持按種類查看GPU卡的使用，監(jiān)控報(bào)表可選擇AI或HPC生成所選時(shí)間的監(jiān)控表報(bào)。
