IBM高性能计算机系统承担中国气象局主要的天气气候业务科研模式运行，系统在2004年末安装以来，运行一直比较平稳。在整个系统中，数据交换是通过IBM HPS(High Performance Switch)网络实现的，通过SWITCH网络为用户的并行作业提供通信。 1 故障基本情况 2006年9月21日，科研分区的系统性能下降，用户作业的运算速度比较慢，检查发现HPS(High Performance Switch)[1]网络的通信状态大面积出现异常，影响了GPFS(General Parallel File System)[2]数据文件系统和作业管理软件L DLEVEL的正常运行，导致用户无法使用数据空间和正常提交用户作业，最终导致了用户无法使用科研分区;在SWITCH网络通信正常后，GPFS文件系统中的有些文件不能正常访问。 在确保业务可以稳定运行后，由于当时用户已无法使用科研分区，因此首先申请对科研分区进行停机维护，然后分析并解决故障，处理过程如下。 本篇论文发表在期刊《》上，杂志由信息产业部主管、中国电子科技集团第三十研究所主办。16开本，每月10日出版，国内外公开发行的月刊。杂志1967年创刊，是国内创办时间长、影响大的计算机专业媒体，2004版中文核心期刊。 (1)分析HPS网络通信数据，发现F45一S11和F46一S07的两块主板上的芯片内部通信不正常，决定更换这两块主板;但由于备件新损的原因，只有一块主板可用，只更换了F46一S07 SWITCH的主板。 (2)在重新加电启动完毕后，仍有大量的HPS网络不能通信，导致GPFS不能稳定工作，用户无法正常提交作业。 2 故障原因分析 1 控制信号传输过程 从图1可见，IBM 高性能计算机系统是通过硬件控制终端HMC(Hardware Management Console)对主机和SWITCH的硬件进行控制，通过HMC上的SNM (SWITCH Network Manager)软件管理HPS，在HMC上启动FNMD(Federation Network Manager Daemon)进程，实现对HPS网络的配置、初始化、监视、控制、恢复、分析和诊断。此功能与节点是否安装操作系统无关，因为这些指令直接由HMC发起，控制指令都是通过电源传输的，只要电源正常，就会响应执行，SWITCH的拓扑结构是在电源启动的过程中通过自检获得的。
左左颜色
