HPC项目在线运维服务方案

1、 HPC项目在线运维服务方案目 录 TOC o 1-3 h z u HYPERLINK l _Toc530393684 1 曙光EasyOP易运维在线运维平台 PAGEREF _Toc530393684 h 3 HYPERLINK l _Toc530393685 1.1 简介 PAGEREF _Toc530393685 h 3 HYPERLINK l _Toc530393686 1.2 目标客户 PAGEREF _Toc530393686 h 3 HYPERLINK l _Toc530393687 1.3 平台意义 PAGEREF _Toc530393687 h 3 HYPERLINK l _

2、Toc530393688 1.3.1 目标 PAGEREF _Toc530393688 h 3 HYPERLINK l _Toc530393689 1.3.2 意义 PAGEREF _Toc530393689 h 3 HYPERLINK l _Toc530393690 1.4 特点 PAGEREF _Toc530393690 h 5 HYPERLINK l _Toc530393691 1.4.1 所见即所得 PAGEREF _Toc530393691 h 5 HYPERLINK l _Toc530393692 1.4.2 多途径交互 PAGEREF _Toc530393692 h 5 HYPE

3、RLINK l _Toc530393693 1.4.3 全覆盖监控 PAGEREF _Toc530393693 h 6 HYPERLINK l _Toc530393694 1.4.4 定制化告警 PAGEREF _Toc530393694 h 7 HYPERLINK l _Toc530393695 1.4.5 集群性能状态 PAGEREF _Toc530393695 h 7 HYPERLINK l _Toc530393696 1.4.6 全周期管理 PAGEREF _Toc530393696 h 8 HYPERLINK l _Toc530393697 1.4.7 专家支持 PAGEREF _T

4、oc530393697 h 9 HYPERLINK l _Toc530393698 1.4.8 知识分享 PAGEREF _Toc530393698 h 9 HYPERLINK l _Toc530393699 1.5 HPC全覆盖运维服务 PAGEREF _Toc530393699 h 10 HYPERLINK l _Toc530393700 1.1.1 项目建设咨询 PAGEREF _Toc530393700 h 10 HYPERLINK l _Toc530393701 1.1.2 设备选型建议 PAGEREF _Toc530393701 h 10 HYPERLINK l _Toc53039

5、3702 1.1.3 产线交付服务 PAGEREF _Toc530393702 h 10 HYPERLINK l _Toc530393703 1.1.4 售中部署服务 PAGEREF _Toc530393703 h 10 HYPERLINK l _Toc530393704 1.1.5 应用环境调优 PAGEREF _Toc530393704 h 10 HYPERLINK l _Toc530393705 1.1.6 在线运维支持 PAGEREF _Toc530393705 h 11 HYPERLINK l _Toc530393706 1.1.7 售后技术支持 PAGEREF _Toc530393

6、706 h 11 HYPERLINK l _Toc530393707 1.6 使用介绍 PAGEREF _Toc530393707 h 12 HYPERLINK l _Toc530393708 1.6.1 服务功能简介 PAGEREF _Toc530393708 h 12 HYPERLINK l _Toc530393709 1.6.2 服务内容 PAGEREF _Toc530393709 h 12 HYPERLINK l _Toc530393710 1.6.3 反馈方式 PAGEREF _Toc530393710 h 14 HYPERLINK l _Toc530393711 1.6.4 报表统

7、计 PAGEREF _Toc530393711 h 17 HYPERLINK l _Toc530393712 1.6.5 人员配置 PAGEREF _Toc530393712 h 17 HYPERLINK l _Toc530393713 2 相关资质证明文件 PAGEREF _Toc530393713 h 18 HYPERLINK l _Toc530393714 2.1 在线运维平台服务所在机房三级等保证明 PAGEREF _Toc530393714 h 18 HYPERLINK l _Toc530393715 2.2 在线运维平台软件著作权证明 PAGEREF _Toc530393715 h

8、 19 HYPERLINK l _Toc530393716 2. 在线运维服务体系简介 PAGEREF _Toc530393716 h 20 HYPERLINK l _Toc530393717 3. 平台服务方案 PAGEREF _Toc530393717 h 21 HYPERLINK l _Toc530393718 3.1 在线巡检服务 PAGEREF _Toc530393718 h 21 HYPERLINK l _Toc530393719 3.2 机房巡检服务 PAGEREF _Toc530393719 h 22 HYPERLINK l _Toc530393720 3.3 运维托管服务 P

9、AGEREF _Toc530393720 h 22 HYPERLINK l _Toc530393721 3.4 在线运维工作流程 PAGEREF _Toc530393721 h 23 HYPERLINK l _Toc530393722 3.4.1 EasyOP发起流程 PAGEREF _Toc530393722 h 23 HYPERLINK l _Toc530393723 3.4.2 客户发起运维流程 PAGEREF _Toc530393723 h 24 HYPERLINK l _Toc530393724 3.5 在线运维支持团队 PAGEREF _Toc530393724 h 26 HYPE

10、RLINK l _Toc530393725 4. 系统运维服务承诺 PAGEREF _Toc530393725 h 29曙光EasyOP易运维在线运维平台简介EasyOP易运维，Easy Operation的简称，是公司针对高性能计算集群推出的专业化监控运维平台，提供HPC在线7*24小时全生命周期SAAS级服务。目标客户HPC运维工程师，HPC管理员，集群管理者，数据中心管理者，超算中心决策者等相关HPC、超算中心及IDC管理和决策人员。平台意义目标EasyOP在线运维平台是基于Gridview集群管理体系为HPC领域量身打造的在线运维平台，实现客户HPC资产全生命周期管理服务，并提供7*2

11、4小时全程专家支持的自动化运维平台；实现基于“互联网+”模式下的HPC生态圈，为用户提供一站式高性能计算SAAS平台。意义EasyOP在线运维平台在数据中心建设初期就可发挥作用，借助EasyOP在线运维平台，在您准备建设计算中心初期，便可借助多年技术经验，提供机房建设建议和完整的技术方案。选择EasyOP在线运维平台来统一运维高性能计算集群及IDC中托管的物理资源，可实现HPC资产运维自动化，并可通过EasyOP在线运维平台随时联络相关领域技术专家，将在高性能计算领域积累的多年的技术沉淀转化为一对一针对性服务。EasyOP在线运维平台可以在数分钟内完成对HPC数千节点的监控部署，并提供多种可选

12、的自定义告警机制，同时用户可通过Web浏览器和手机端随时查看集群运行状态，在集群出现异常时会根据客户设置的报警策略第一时间推送相关告警信息，客户可通过在线运维平台迅速定位故障并启用自动化处理机制，另外EasyOP在线运维平台还提供7*24小时专家团队随时在线支持服务，这将改变传统运维现状，并极大提高工作效率。在国内高性能计算领域拥有超过25年生产、制造及运营经验，EasyOP在线运维平台采用“互联网+”思维，将“经验”转变为在线服务主动迎合客户切实需求。特点Gridview一直是高性能型计算集群管理运维的基础利器，基于Gridview打造的EasyOP在线运维平台可提供以下7*24小时在线服务

13、。所见即所得在线运维平台提供直观视图展示IDC中所有设备运行状态，由整体至局部全面覆盖，设备状况一目了然。多途径交互用户可采用Web界面登陆查询和管理自有资产，还可以使用微信与客服及专家互动交流，更具多样性的交互模式。全覆盖监控可以同时监控机柜、机箱、服务器、磁盘阵列、交换机等设备，支持多种采集协议，可监控上百指标。定制化告警可高度定制化的告警策略，同时可根据告警信息第一时间定位故障，并提供处理建议和操作指导。集群性能状态以仪表图和线型图方式直观展现集群性能状态，准确监测性能瓶颈和热点，及时查看集群整体状态和即时负载状况。全周期管理通过在线运维平台，用户可统一管理所有IDC资产，并根据自定义需

14、求生成运营报表，资产状况及运营统计一目了然。专家支持通过在线运维平台，用户可7*24小时获取各应用领域专家一对一技术支持，并可通过平台预约例行巡检、在线优化及售后支持等服务。知识分享丰富的知识库内容，帮助您解决问题，寻找HPC日常运维中的问题答案，另外在线运维平台还会定期分享HPC最新技术趋势并随时分享最新的技术观点。HPC全覆盖运维服务依靠在HPC领域拥有深厚的技术积累，并拥有广泛的个领域应用经验，从基础设施、硬件设备、管理平台到应用软件，在线运维平台将在HPC各层面提供面向客户全面覆盖的SAAS级服务，构建HPC一站式服务体系。项目建设咨询通过在线运维平台用户在项目规划初期便可联络相关领域

15、专家给予专业建议，涵盖机房建设规划、电力保障、UPS、制冷设备到机柜布局“一站式”获取全面且有针对性的建设规划建议和完整的技术实施方案。设备选型建议用户可通过在线运维平台获得HPC领域第一手技术资料，并可以获得各领域HPC专家根据具体应用推荐的计算节点、存储方案、管理方式、作业调度及业务网络的最新技术推荐，轻松获得完整选型建议和架构方案。产线交付服务与传统交付不同，EasyOP在线运维系统可根据客户需求在生产线上定制设备系统及软件环境配置需求，开创颠覆性的个性化交付模式，真正做到运输到场“即插即用”的创新交付，可最大程度降低集群安装和调试周期，并满足客户多样性要求。售中部署服务公司作为国内最大

16、的高性能计算产品和解决方案供应商，拥有深入的行业知识和丰富的技术储备，售中部署服务通常由HPC系统架构专家组人员参加部署和安装工作，确保系统能够达到最大的性能和最高的可用性。同时参加测试阶段的工作，负责对系统配置进行优化。现在用户可在装配调试后选择接入EastOP在线运维平台，交付即享7*24小时全生命周期SAAS级服务。应用环境调优通过在线运维平台，用户可随时联络拥有深入行业应用经验的相关各领域专家随时对集群进行线上优化，并可通过在线运维平台预约上门调优服务。在线运维支持大型IDC中心及HPC集群的运维一直以来是复杂而繁琐的，通过EastOP在线运维平台，客户可随时关注集群状态，第一时间收到

17、集群异常信息，随时随地处理问题和隐患，并可寻求在线运维平台技术工程师的随时支持。使用在线运维平台统计报表功能，可按照用户统计口径快速生成相关资产运行状态和使用效率，资产状况“一表呈现，简洁直观”。售后技术支持接入到在线运维平台不仅可以随时监控资源运行和使用状态，还可通过统一平台接口享受到预约巡检、备件更换、设备升级等全生命周期售后客户关怀服务。使用介绍服务功能简介EasyOP在线运维服务采用“互联网+”模式，为HPC集群用户提供7*24小时持续管理及运维服务，完成对高性能计算集群7*24小时远程在线监控、运维管理的工作。服务内容EasyOP在线运维提供24小时监控甲方高性能集群服务器、网络等相

18、关资源状态信息服务，如发现异常信息、故障信息，将此类信息第一时间通知用户方，并采取相关措施及专业工程师着手解决。服务平台官方网址：Https:/EasyOP在线运维Web截图1EasyOP在线运维Web截图2EasyOP在线运维Web截图3EasyOP在线运维Web截图4反馈方式用户可通过EasyOP官方微信平台“在线运维平台”随时向我司反馈在线运维服务相关问题或建议，我司会指派专业工程师第一时间跟进反馈。EasyOP易运维，就是这么简单！公众微信：SugonEasyOP官方地址：Https:/服务邮箱：Easyop热线电话：400-810-0466 转 6EasyOP在线运维微信服务在线运维

19、平台公众号报表统计通过在线运维平台，用户可获得针对接入资产的运营状况统计报表，可以以月报、季报及年报形式导出，集群状态统计、集群资产数量统计、集群作业情况统计、集群负载统计、集群数量趋势以及管理员在线统计等不同纬度的统计报表。在线运维平台报表功能截图人员配置针对本项目在线运维平台将提供“一对一”专业工程师及专家服务，并为本项目配置专业值守人员，提供远程运维服务，用户可通过在线运维平台服务热线（400-810-0466 转6）或“在线运维平台”官方微信公众号随时反馈问题、建议并获得服务支持。相关资质证明文件在线运维平台服务所在机房三级等保证明在线运维平台软件著作权证明在线运维服务体系简介在线运维

20、产品建立以客户为中心、以服务为导向的服务管理平台，这意味着客户的HPC集群资产及所有服务人员转变为在线运维平台的服务团体，目的在于通过规范的可执行的标准流程来给客户提供针对HPC集群的技术运维的保障体系服务。在线运维服务体系在线运维服务管理体系的核心是1个平台和4个职能团队的服务结构，提供一个客观、严谨、可量化的标准和规范，从而确保客户的高性能集群资产能够为客户的业务运作提供更好的技术保障。对于公司来说，使用在线运维系统的最大意义在于把与客户紧密地结合起来，从而让客户的高性能集群资产投资能够第一时间享受到公司提供的专业化建议及服务。对客户而言，使用在线运维系统的意义在于将高性能集群日常运维管理

21、过程中遇到的各种各样的问题，做了清晰梳理，从而使得运维过程变得有序连贯，有助于提高客户的运维管理经验，并提升使用HPC集群的能力和水平，接入EasyOP服务客户甚至不需要关心基础运维，通过该平台可以7*24小时全覆盖实时监控集群运行状态，并可获得相关例行巡检服务，如遇加固、修复或者更换需要，EasyOP平台也会自动安排部署相关后续工作及服务流程直到集群完全恢复，客户甚至完全无需关心，完全解放运维压力。整个在线运维服务体系包括一线支持和二线支持两个维度的支撑体系，一线支持是在线运维平台的直接操作者，并通过在线运维平台组织和协调二线支持资源，二线支持模块由环境调试组、技术支持部门和后台研发部门组成

22、，通过在线支持平台集中协调和调度处理客户问题。在线运维平台由在线监控、实时告警、自动记录、统计、用户接入等模块构成。平台服务方案接入EasyOP在线运维服务，将会即时享受到7*24小时的集群全面监控和告警服务，EasyOP服务团队会在触发告警的同时介入处理，即时有效的提高客户HPC集群发生故障后的处理效率，EasyOP服务团队将严格按照标准的业务流程服务接入客户，并提供在线巡检、机房巡检、运维托管等增值服务。在线巡检服务在线运维一线支持团队将依托EasyOP平台及Gridview系统按照每月一次的密度对客户在线运营集群进行在线运维例行巡检服务，巡检过程中发现影响集群的隐患，EasyOP将会以邮

23、件和电话反馈形式通知用户，并提供详细的故障机隐患排除方式，服务包括以下在线巡检项目：服务类型服务项目具体指标在线巡检服务集群Gridview状态是否正常运行集群存储挂载是否正常挂载集群各节点服务器状态各节点在线情况集群各节点异常告警各节点是否有异常告警集群共享存储链接共享存储目录挂载状态集群管理网络状态管理网络是否可用集群计算能力是否正常整体计算能力是否正常集群接入状态集群接入EasyOP状态集群整体内存状态整体内存是否下降集群胖节点状态胖节点状态异构计算节点状态节点状态集群文件系统状态文件系统是否正常计算节点磁盘状态计算节点本地磁盘状态计算节点健康状态计算节点整体状态计算节点内存状态计算节点

24、内存使用状态各节点CPU温度各节点CPU是否超温各节点内存温度各节点内存是否超温各节点IPMI网络IPMI网络是否正常各节点磁盘目录状态本地磁盘目录状态各节点磁盘使用量本地磁盘使用率各节点电源供电电源模块指标是否异常各节点电源状态电源模块是否异常各节点风扇转速风扇转速是否异常计算节点加速卡状态加速卡在线状态异构加速卡温度加速卡温度在线巡检完毕后，EasyOP团队会将巡检报告第一时间发送客户；如接入集群需加固或者修复客户也不必关心，EasyOP服务团队会第一时间主动联系客户并协调安排相关专业工程师远程或上门服务，直到加固、修复工作完成并以详细报告形式通知和发送相关客户；做到变被动服务为主动，运维

25、集群不占用客户精力的服务目标。机房巡检服务成为在线运维平台VIP客户将会享受到原厂工程师按季度提供的机房例行巡检服务，与在线巡检不同，例行机房巡检将会派资深现场工程师到用户现场进行巡检，现场巡检将覆盖客户所有使用品牌设备，包括但不限于基础设施，空调，机柜，液冷系统，UPS，服务器，CPU，内存，磁盘，计算加速卡，电源，风扇，IPMI网络，管理网络，存储系统及应用评估，机房巡检后EasyOP服务团队会将巡检结果以报告形式发送接入客户，如需加固、修复或者更换备件，EasyOP服务团队会与客户协商时间，并详细安排相关后续服务环节，直到集群完全恢复。运维托管服务加入EasyOP在线运维服务，用户可选将

26、系统和集群运维权限完全交付给在线运维团队运维管理，这样可以极大程度减轻客户运维精力，EasyOP服务团队会按照客户要求去全面细致维护集托管集群系统，在出现问题前将隐患排除，如遇到突发故障，客户也不必关心，EasyOP运维团队会第一时间排除故障，并在恢复故障后提供相应的故障排除报告，使用EasyOP运维托管服务将是客户不在关心HPC基础运维，配合公司售后服务系统，即使在需要更换备件的情况下也不需要占用客户经理，EasyOP会在例行巡检发现隐患及故障后自动触发服务流程，客户只需核实操作时间其余的工作将会有EasyOP安排完成。在线运维工作流程在线运维平台按照工作流程将分为：EasyOP发起流程、客

27、户发起流程两类。EasyOP发起流程在线运维服务体系主动流程是指由在线运维平台监控主动发现的各类事件。主动监控工作流图主动服务流程工作流程图主动监控工作流程在线运维平台发现事件，并推送给一线支持团队；一线支持团队判断事件类型，故障/需求/误报/BUG；确认为故障后通知客户，取得授权并形成case；一线支持case类型判断，分发给环境调试团队或技术支持团队；二线支持团队处理完毕反馈给一线支持团队；一线支持团队回复用户；一线支持团队负责记录问题类型，处理过程并形成完整记录；如遇平台误报/bug则直接推送给后台研发团队。流程描述监控功能，根据集群现状实时展示集群信息；自动告警，监控发现异常推送到一线

28、支持团队的多终端，一线支持团队成员会根据告警初步判断问题，并生成响应的case；case生成，一线支持团队在收到告警并判断后，（暂时由一线支持团队手动生成），可在终端根据既定规则手动生成case号；case号规则：事件类型1位字母（G故障、T调优、J建议）+生成时间12位数字+客户代码5位字母数字混合；例如：G201509150001AAAA代表故障事件2015年9月15日00：01发生的AAAA客户case单。账号角色分工，根据不同的角色拥有不同的平台操作和查阅权限；派单功能，根据case号在运维平台填写工单系统，向二线支持团队派送内部case工单；二线支持团队会根据case描述第一时间处理

29、相关客户的告警case，并在处理完成后告知并反馈客户处理结果和详细描述。客户发起运维流程在线运维服务体系被动流程指在线运维客户发起的事件。客户发起的工作流程图客户发起服务工作流程客户发起的工作流程客户通过终端接入在线运维平台，并提出事件；用户接入模块分配一线支持受理工程师；一线支持工程师判断事件类别（G保障/T调试/建议）；一线支持case类型判断，提交分发给二线支持团队成员；case处理完毕，在线运维平台自动记录模块会更新case状态，并通知一线支持和用户；智能统计会根据case按照不同类型生成运维月报给一线支持；在线运维平台生成按照客户定义分类的约为月报；流程描述用户接入功能可实现不同终端

30、的客户需求接入功能；自动分配原则将接入客户指派到一线支持团队工程师；一线支持工程师与客户沟通后根据事件类型，在平台填制case工单，初步判case信息后可按照不同类型自行处理问题或提交相关二线支持团队处理；case派送及信息共享，平台自动分配二线支持工程师，工单状态对客户、一线支持、二线支持可见；case处理完毕通知一线支持工程师及客户，形成处理结果和详细处理过程。在线运维支持团队EasyOP服务团队承诺向用户提供全方位的、有效的、及时的维修服务和技术支持（7*24小时）。在服务期内EasyOP服务团队将为客户提供7*24小时集群监控和告警服务，并开通电话，邮件，微信客户端等多重沟通途径，便于

31、于用户咨询和反馈。公司工程师在法相故障后4小时内做出响应，并在24小时内修复故障。公司选派精英人员组成EasyOP服务团队，隶属于高性能计算产品事业部，是公司服务高性能计算VIP客户的核心技术团队。在该部门拥有雄厚的技术专家队伍进行7*24小时技术支援，拥有依托于国家智能计算机研究开发中心的全面高端的检测检验设备和充足的服务器备件，为服务器客户提供最高级服务保障。它的职责概括如下：维护国内一流的服务器、存储产品售后专家队伍维护国内一流的服务器、存储产品相关软件专家队伍根据战略客户的需要制定专属运维服务方案并执行对全国所有的服务工程师进行培训提供对战略客户的应急响应支持提供二线支持服务人员构成人

32、员级别 人员数量一线支持工程师初级认证工程师20+中级认证工程师15+高级认证工程师5+二线支持团队主板产品专家5处理器产品专家5内存产品专家5硬盘产品专家5板卡类产品专家3异构加速卡专家2文件系统专家1HPC存储专家1IB网络专家2行业专家CAE/CAD领域专家2气象领域专家3渲染及视觉处理专家1异构计算领域专家2海洋应用领域专家1环保应用领域专家1生物信息领域专家1物理化学领域专家2高分子领域专家1初级认证工程师：通过公司认证体系的初级认证的员工。能够处理全系列硬件产品安装调试、维修工作，具有1年以上维修经验。中级认证工程师：通过公司认证体系的中级认证的员工。能够处理初级认证工程师的工作，

33、并精通各类操作系统，能够安装简单第三方应用软件。具有25年的维修经验。高级认证工程师：通过公司认证体系的高级认证的员工。能够处理中级认证工程师的工作。能够熟练安装调试用户应用软件及大部分第三方软件。拥有1个以上的国际厂商认证。主板产品专家：通过对主流服务器主板性能、兼容性评测完成公司所需服务器主板定型工作，对主板的各个模块部分精通，能够处理典型的主板类故障。通过公司产品类高级技术认证，具有5年以上主板功能开发、定制经验。处理器产品专家：通过对主流服务器处理器性能、兼容性评测完成公司所需服务器处理器定型工作。通过公司产品类高级技术认证，具有5年以上相关产品研发工作经验。内存产品专家：通过对主流服务器内存性能、兼容性评测完成公司所需服务器内存定型工作，能够处理典型的内存类故障。通过公司产品类高级技术认证，具有5年以上相关产品研发工作经验。硬盘产品专家：通过对主流服务器硬盘性能、兼容性评测完成公司所需服务器硬盘定型工作，能够处理典型的硬盘类故障。通过公司产品类高级技术认证，具有5年以上相关产品研发工作