一种大规模并行作业运行故障快速定位方法

作者：朱光慧; 曾云辉^*

来源：郑州大学学报(理学版）, 2019, 51(04): 102-109.

DOI：10.13705/j.issn.1671-6841.2018315

• 故障定位
• 并行作业
• 高性能计算
• 大规模
• 关联关系

基于状态获取的故障信息,对可能导致作业运行失败的原因事件进行分类和严重等级分级,进而通过问题规模及其关联关系,提出了一种针对批量大规模并行作业运行故障的快速分析定位方法.该定位方法由上而下、逐层排查故障原因,缩小故障的处理范围,有效解决了大规模作业运行过程中故障定位难且准确性差的问题,为运行管理人员排查故障提供帮助.

• 单位
  齐鲁工业大学; 山东省计算中心