HPC 集群上并行作业的 CPU 使用率波动

Question

在我们大学，我们有 2 个 HPC 集群专门用于运行量子化学计算。一个是旧的（自 2009 年以来），而较新的一个是几周前安装的。新旧集群系统中的每个计算刀片都有 16 个处理器。相同的程序安装在两个集群上并与 OpenMpi 1.6.5 一起使用。在旧集群上，每个刀片的处理器使用率稳定在 100%，如下所示：

现在，当在新集群的计算刀片上运行完全相同的计算时，CPU 使用率一直在 0 到 100% 之间波动，并且大部分时间看起来像这样：

旧集群上的计算，即使处理器是老一代且功率较低，完成的时间也比新集群上启动的时间短得多。 两个集群系统都运行 RedHat linux enterprise

这可能是什么问题？以及如何解决？

非常感谢您的任何帮助。

Answer 1

我终于解决了这个问题。我想我会把它贴在这里来帮助任何可能遇到同样问题的人。 在具有 CPU 频率问题的新集群上，计算直接在 /home 分区上运行，该分区通过 NFS（网络文件系统）连接到每个计算刀片。这极大地减慢了计算速度并导致了低 CPU 频率问题和高等待时间，这可能是由于大量资源用于在刀片和 /home 目录之间建立持续连接。 当我修改脚本以使计算在每个刀片内的临时文件夹中运行时，问题就解决了。