Software de gestión de clusters, ClusterVisionOS

ClusterVisionOS es un sistema operativo y sistema de gestión de clusters basado en Linux, que simplifica la gestión y uso de clusters HPC. Basado en standards abiertos, ClusterVisionOS combina lo mejor del software abierto y comercial para HPC. Se ha diseñado para ser escalable a miles de nodos e interoperar con tecnologías grid comunes y aplicaciones APIs. Además, está certificado por Intel Cluster Ready, lo cual asegura la compatibilidad con un amplio rango de aplicaciones certificadas.

ClusterVisionOS es fácil de instalar y usar. Proporciona una forma simple de ver y gestionar todos los aspectos del software del cluster mediante un único punto de control. De forma simultánea puede ser controlada, visualizada y analizada una amplia métrica de hardware y software. Prácticamente todas las métricas disponibles en Linux kernel y todas las métricas disponibles en interfaces de gestión de hardware, tales como IPMI, están disponibles. Como ejemplos podemos citar temperaturas de CPU, velocidades de ventiladores, información SMART, carga del sistema, uso de memoria, estadísticas de red, espacio de disco disponible y estadística de gestión de la carga de trabajo. La gestión automatizada del sistema toma acciones preventivas cuando se excede el umbral del sistema. Entre las posibilidades del sistema indicar que dispone de una interface de usuario sencilla que permite el control y configuración de gestores de carga de trabajo comunes tales como Grid Engine y Torque/Maui. Los administradores pueden realizar distintas tareas. Este sistema no es solamente un ambiente de gestión de clusters, sino que también proporciona un ambiente de desarrollo HPC (ver "Hacia la computación de alto rendimiento"). El ambiente incluye HPCmiddleware tales como MPI libraries, OpenMP, OpenMP, Global Arrays, bibliotecas matemáticas y bibliotecas threading multi-núcleos. También se incluyen herramientas de desarrollo tales como compiladores, depuradores y perfiladores.

Bibliografía: Clustervision Palabras clave: HPC clusters