提升大规模集群上并行计算软件系统可靠性和服务性的方法与实践
来源：计算机工程与科学杂志2015年第1期北京时间：
作者：林彦宇,陈虎,苗军,韩佳龙媚,赖路双
单位：华南理工大学软件学院,广东 广州 510006
摘要：大规模集群上的并行计算软件需要具备处理部分节点、网络等失效的容错能力，也需要具有易于管理、维护、移植和可扩展的服务能力。针对星形计算模型，研究和开发了一套并行计算框架。利用调度节点内部的可变粒度分解器、相关队列等方法，实现了全系统容错，且具有较好的易用性、可移植性和可扩展性。系统目前可以实现300 TFlops计算能力下连续运行超过150 h，而且还具有进一步的可扩展能力。
关键词：可靠性,可扩展性,服务性,大规模集群,并行计算软件,
