HA и вычислительный кластер: разные цели и испытания

В Windows Server Failover Clustering кластер следит за настроенной ролью и может перезапустить её или перенести на доступный узел. На стенде проверяют возврат именно этой услуги.

Slurm выдаёт ресурсы на время задания и управляет очередью. Учебная схема: управляющий сервер принимает задания, вычислительные узлы выполняют их. У нескольких независимых заданий и у одной совместной работы процессов разные условия приёмки.

Не выбирайте между «HA» и «вычислениями» как между несовместимыми свойствами. Для расчётного комплекса также может требоваться отказоустойчивое управление. Его проверка не заменяет замер приложения.

Учебный проект: один управляющий сервер, его резерв, два вычислительных узла и хранилище данных. Для рабочих узлов в задании фиксируют нужные CPU и RAM, для хранилища — входные файлы, результаты и контрольные точки. Это схема требований, а не готовая спецификация оборудования.

При Open MPI 5.0.8 список hostfile задаёт, на каких компьютерах запускать процессы. Он не выбирает интерфейс обмена. В комплекте проекта отдельно укажите сетевые карты, порты коммутаторов и кабели для нужного обмена; подтвердите фактический маршрут на стенде.

Настройки планировщика и MPI связывайте с версией и нагрузкой приложения. Запишите число процессов на узел, нужную память и результаты измерений сети. Универсальное число ядер или скорость канала здесь не задаются.

Для strong scaling сохраняют размер задачи и меняют число вычислительных элементов. Для weak scaling сохраняют работу на один элемент, поэтому общий объём растёт. Эти измерения отвечают на разные вопросы; одно не подменяет другое.

Учебные числа: одинаковый расчёт занимает 100 с на одном узле и 60 с на двух. Ускорение — 100/60 ≈ 1,67. Время, суммированное по занятым узлам, составляет 100 и 120 узло-секунд. Это арифметический пример, не замер кластера.

Перед закупкой согласуйте входные данные, версию приложения, число процессов и критерий правильности результата. Повторите запуски и отдельно запишите время ожидания в очереди и время выполнения. Сопоставление двух разных задач не доказывает ускорение одной.

Резервный slurmctld принимает управление Slurm, но это не проверяет сохранность расчёта на отказавшем рабочем узле. Получение кода ошибки от MPI тоже не обещает продолжения программы. Эти два отказа испытывают отдельно.

Контрольная точка хранит состояние расчёта для последующего возобновления. В отдельном опыте проверьте, что нужная версия приложения действительно читает это состояние и получает корректный результат. Запись файла без проверки запуска не закрывает восстановление.

Для приёмки зафиксируйте потерянную вычислительную работу, время до продолжения задания и проверку итогового результата. Вернувшийся узел допускайте к новым заданиям после согласованной проверки его состояния. Это план испытания, а не обещание автоматического восстановления любой программы.