超级计算机主机配置文件

超级计算机主机配置文件是确保系统高效运行的关键，通常涉及硬件资源管理、并行计算优化、网络配置及安全策略等多维度设置。以下为核心配置要点及扩展说明：

1. 硬件资源配置

- CPU与内存分配：通过`slurm.conf`或`pbs.conf`定义计算节点资源池，需设置`NodeName`、`CPUs`、`RealMemory`参数，支持NUMA绑定时需配置`ThreadsPerCore`与`Socket`拓扑。

- GPU加速：CUDA环境需在`cuda.conf`中指定`MIG`分区策略，NVIDIA驱动版本需与`CUDA_VISIBLE_DEVICES`变量匹配。AMD GPU需配置ROCm栈的`HSA_OVERRIDE_GFX_VERSION`。

2. 并行计算框架

- MPI参数优化：在`mpi.conf`中调整`OMPI_MCA_btl`网络传输模块，针对Infiniband网络设置`openib`参数，如`mca_btl_openib_allow_ib=true`。`MPICH`需配置`HYDRA_HOST_FILE`以指定节点列表。

- OpenMP线程控制：通过`OMP_NUM_THREADS`与`OMP_PLACES`实现线程绑核，避免跨Socket调度延迟。

3. 存储系统配置

- Lustre/GPFS优化：`luster.conf`中设置`stripe_count`与`stripe_size`（建议1MB-4MB），客户端挂载参数需启用`flock`与`noatime`。针对小文件密集型任务可启用`mdt`缓存。

- BeeGFS分层存储：配置`beegfs-meta.conf`中`storageTier`定义SSD/HDD分层策略，`tuneTargetChooser`算法选择`roundrobin`或`randomized`。

4. 高速网络调优

- Infiniband参数：`opensm.conf`中调整`subnet_timeout`与`guid_routing`，MLNX_OFED驱动需设置`mtu=4096`。RDMA协议需在`sysctl.conf`中启用`vm.swappiness=0`。

- 以太网RoCEv2：通过`dcb`模块配置PFC流控，`mlnx_qos`工具设定优先队列映射TC。

5. 作业调度系统

- Slurm高级配置：`slurm.conf`中启用`PreemptType=preempt/partition_prio`实现多队列抢占，`GresTypes`定义异构资源类型。`cgroup.conf`需配置`ConstrainDevices=yes`。

- 故障恢复策略：`slurmdbd.conf`设置`AccountingStorageTRES`记录GPU/FPGA用量，`JobRequeue=1`支持自动重试。

6. 安全与监控

- Kerberos认证：`krb5.conf`配置`default_realm`与`kdc`服务器地址，SSH需启用`GSSAPIAuthentication`。

- Prometheus监控：`node_exporter`添加`--collector.ib`参数采集Infiniband计数器，`Grafana`面板需集成`dcgm`的GPU温度/功耗数据。

7. 节能与散热

- DVFS调控：`cpufreq.conf`设置`scaling_governor=performance`，Intel处理器通过`ppd`工具调整`uncore频率`。

- Liquid Cooling控制：在`ipmi.conf`中定义`CoolingZone`阈值，联动`pdsh`实现节点群组温控。

扩展知识：最新Frontier超算采用Cray Slingshot-11网络，其配置文件需特别设置`libfabric`的`rxm`协议栈参数，并启用SHARP聚合通信加速。另需注意国产申威处理器需在`sw.conf`中加载特定SIMD指令集优化库。