Ich diagnostiziere und behebe deine HPC-Cluster-Leistungsprobleme

Die meisten HPC-Cluster laufen bei 30 bis 40 % ihrer tatsächlichen Kapazität.

Nicht weil die Hardware falsch ist. Sondern weil die Konfiguration nie auf die tatsächliche Arbeitsbelastung abgestimmt wurde.

Ich habe dieses genaue Problem bei Forschungseinrichtungen, KI-Laboren und Engineering-Teams diagnostiziert. Die Lösungen liegen fast immer in Software und Konfiguration, nicht in Hardware.

Was das Audit abdeckt:

Slurm-Konfigurationslücken (DefMemPerCPU, cgroup, fairshare)

InfiniBand-Fabric-Gesundheit und Link-Geschwindigkeitsprüfung

Speicher-Durchsatz (Lustre/BeeGFS/NFS-Stripe-Konfiguration)

MPI-Prozessbindung und NUMA-Topologie

HPL-Effizienz im Vergleich zum theoretischen Peak

Node-Gesundheit und stille Hardware-Fehlererkennung

Was du erhältst:

Schriftliche Diagnose mit Schweregradbewertung pro Befund

Exakte Lösung für jedes Problem inklusive Befehle, Vorher/Nachher-Benchmarkzahlen

Prioritätenliste: Was zuerst zu beheben ist, um maximalen Effekt zu erzielen

Was ich von dir brauche: SSH-Zugang zum Login-Node, deine Cluster-Spezifikationen und 2 Stunden mit geringer Aktivität für Benchmarking.

Bearbeitungszeit: 24-48 Stunden nach Erhalt des Zugangs.