[发明专利]清除TORQUE计算集群计算节点中残留进程的方法及系统

说明书

本发明属于计算机技术领域，具体涉及高性能计算机集群的管理，尤其涉及清除TORQUE计算集群计算节点中残留进程的方法及系统。清除TORQUE计算集群计算节点中残留进程的方法，包括：从用户名列表文件中获取所有用户名，存入用户列表；获取当前所有计算节点中运行任务的用户名，存入关系数组；为每个计算节点建立一个以计算节点名为文件名的文件，文件里存入当前在该计算节点没有任务执行的用户名；为每个计算节点删除残留进程；自动更新用户名列表文件。清除TORQUE计算集群计算节点中残留进程的系统，包括：第一获取模块；第二获取模块；文件建立模块；残留进程删除模块；更新模块。本发明可以快速、准确的清除TORQUE计算集群计算节点中的残留进程。

技术领域

本发明属于计算机技术领域，具体涉及高性能计算机集群的管理，尤其涉及清除TORQUE计算集群计算节点中残留进程的方法及系统。

背景技术

高性能计算可以用于数值分析和模拟实验，是公认的一种重要研究方法，是科学创新的重要手段。当前，高性能计算能力是一个国家的综合国力的体现，对国家战略有着重要的影响。

提升计算能力有两种方式：一是提升单机的计算能力，例如提升CPU的主频、采用众核技术或使用GPU计算等；另一种方法是同过高速网络（例如InfiniBand）来并行多台计算机。目前，高性能计算集群的搭建往往综合考虑上述两个因素，选一个性价比最高的方案，计算软件、计算结果都保存在文件存储系统中，以保证各节点数据的同步性。作业运行时，管理节点把任务分配到计算节点里进行计算，计算节点里对应产生一个计算进程。当计算完成后，计算节点里计算进程结束，管理节点再也查不到任务的状态。

在集群实际运行中，常常发现个别计算节点有计算进程在运行，但在管理节点查不到其运行状态。例如第s个计算节点有计算进程在运行，但管理节点认为第s个节点处于空闲状态。如果有新的任务，管理节点会继续向第s个节点提交任务，导致第s个节点多个计算进程同时运行，大大降低计算效率。这里，我们把管理节点查不到的计算进程，称为残留进程。造成残留进程的原因有很多，最主要的是用户程序编写不规范，其次是用户没有通过正确的方法提交计算任务，还有可能是系统bug。总之，残留计算进程严重影响正常的计算任务执行，要清除掉。急需一种快速、准确的清除计算节点中的残留进程的方法及系统。

发明内容

本发明的目的在于克服上述的不足，提供了清除TORQUE计算集群计算节点中残留进程的方法及系统，以解决残留进程对计算节点和TORQUE计算集群的影响，保证任务的快速执行。

为了实现上述目的，本发明采用以下技术方案：

一种清除TORQUE计算集群计算节点中残留进程的方法，包括以下步骤：

步骤1：从用户名列表文件中获取所有用户名，存入用户列表；

步骤2：获取当前所有计算节点中运行任务的用户名，存入关系数组；

步骤3：为每个计算节点建立一个以计算节点名为文件名的文件，文件里存入当前在该计算节点没有任务执行的用户名；

步骤4：为每个计算节点删除残留进程；

步骤5：自动更新用户名列表文件。

优选地，在所述步骤1之前还包括：

为TORQUE计算集群创建用户名列表文件。

优选地，在所述步骤4之后还包括：

记录每个计算节点删除残留进程的状况。

清除TORQUE计算集群计算节点中残留进程的系统，包括：

第一获取模块，用于从用户名列表文件中获取所有用户名，存入用户列表；

第二获取模块，用于获取当前所有计算节点中运行任务的用户名，存入关系数组；