上个月沸沸扬扬的谷歌Alpha Go大战李世石事件看似告一段落了，Alpha Go在与李世石九段的人机大战中最终以4:1的成绩胜出，然而很少人知道它的背后有一台默默稳定运行着的强大超级计算系统。也由此，高性能计算（HPC）再次成为讨论热点。不敢想象Alpha Go在对战中若遇到系统“抽风”宕机或是因“高烧”而无法稳定运行，结果又将是如何。

对任务执行周期内的高性能计算机系统而言，尽管宕机、存储或网络异常等并不是大概率事件，但一旦发生，都有可能酿成灾难性的后果。一套完备且高效的高性能计算机稳定运行的运维方案对于其使用者来说日显重要。

HPC需要运维神器

EasyOP（全称Easy Operation）是中科曙光针对高性能计算集群推出的SaaS级专业化在线平台，在经历了6个月的试运营之后，EasyOP在上周正式上线。

自去年11月EasyOP在全国高性能计算学术年会上亮相并宣布试运营之后，业界一直对曙光这款7*24小时在线运维平台的表现充满期待。而从EasyOP试运营的数据反馈信息来看，曙光EasyOP的表现称得上专业、全面。

试运营数据评析：专业、全面

试运营期间，EasyOP累计接入来自20组HPC集群的超过7800个节点，应用涵盖CAE、气象、海洋、物理、生物、材料及互联网6大领域，对所有接入集群资产全面监控的指标超过180项。

从周期上看，EasyOP接入时间跨度分布合理，系统满负载和低负载的情况均包含在内。在监控的7800多个节点中，CPU的最高和平均利用率为83%和70.1%，内存的最高和平均利用率为40%和25.5%，存储的最高和平均利用率为23%和20.3%。另外，在EasyOP接入的资源作业中，中短时长作业占近70%，作业排队率约为1/5。这种多线程任务下适于对HPC系统各子功能的全方位监控。

统计显示，试运营半年期间，全部集群共自动触发近2900条通知信息，其中2281条是因计算节点主要部件温度升高触发的轻微类通知。严重类通知仅有3条，其中两条起因自共享存储挂载故障，一条系严重级别温度过高导致节点自动关机，从侧面反映了曙光集群系统的高可靠性。

HPC运维变得简单

目前，在基于HPC的IT中心建设中，几乎所有公司只是就某个或几个离散的环节提供服务，难以做到全生命周期的运维服务。而第三方HPC服务商由于并不研发和生产HPC系统，对于HPC运行中产生问题的分析和解决效率与HPC专业出身的曙光相比还有不小的差距，不足以保障用户HPC高效运转。

EasyOP在线运维平台

针对此，曙光打造了拥有五大关键技术的EasyOP——监控数据实时远程采集、海量数据存储与展示、故障的分析与定位技术、大量数据统计与分析、移动终端的集成与推送，应时而生的曙光EasyOP平台使HPC在线运维变得简单。

HPC运维人员不仅可以随时了解HPC集群的运营情况和故障，还可通过网页或微信等在线咨询服务与线上专家进行一对一的交流。EasyOP还会将常见、有代表性的故障解决方案上传至知识库，以便于HPC运维人员积累。

来自中科院物理所的徐力方研究员表示：“HPC集群的运维此前一直是我们的艰巨任务，非常辛苦。接入EasyOP后，我们的运维压力大大降低了，运维成本和人力投入也都减少了，而且HPC集群的安全性和使用效率也得以提升。我们终于解放了。”

懂HPC，更懂HPC运维

“EasyOP是曙光结合‘互联网+’和HPC的产物，不仅帮助用户维护HPC系统，还有望利用用户的系统为其创造更多的价值。”曙光副总裁沙超群表示，“EasyOP通过提供运维、调优等服务，将各行各业的专家从HPC的运维和管理中解放出来。不止于此，曙光希望通过EasyOP构建一个资源交易平台，让闲时资源创造价值。”

“懂HPC，才能更懂HPC在线运维。”曙光总裁助理兼高性能计算产品事业部总经理曹振南感慨道，EasyOP可满足用户在立项支持、设备选型、产线交付、售中部署、应用环境调优、在线运维指导、售后技术支持等方面的持续需求。

“曙光推出EasyOP在线运维平台，引领了我国HPC行业向互联网+转型的方向，将促进行业整体服务水平的提升。”中国软件行业协会数学软件分会常务副秘书长姚继锋博士表示，“EasyOP可实现曙光与HPC用户的互联，对于打造‘HPC生态圈’具有重要意义。”

“从硬件提供商向综合服务提供商转型”是曙光公司近年来为应对不断变化的市场需求推出的重要战略，注重服务升级的EasyOP无疑将在其中扮演重要角色。同时，出色的HPC系统搭配专业的在线运维平台，也将更深入地践行曙光“数据中国”战略。