Eu vou diagnosticar e resolver os problemas de desempenho do seu cluster HPC

A maioria dos clusters HPC opera entre 30% e 40% de sua capacidade real.

Não porque o hardware esteja errado. Mas porque a configuração nunca foi ajustada para a carga de trabalho real.

Já identifiquei esse problema exato em instituições de pesquisa, laboratórios de IA e equipes de engenharia. As soluções estão quase sempre no software e na configuração, não no hardware.

O que o diagnóstico cobre:

Gaps na configuração do Slurm (DefMemPerCPU, cgroup, fairshare)

Validação da saúde da rede InfiniBand e velocidade do link

Throughput de armazenamento (configuração de stripe do Lustre/BeeGFS/NFS)

Binding de processos MPI e topologia NUMA

Eficiência do HPL versus pico teórico

Detecção de falhas silenciosas e saúde dos nós

O que você recebe:

Diagnóstico escrito com classificação de severidade por achado

Solução exata para cada problema, comandos incluídos, números de benchmark antes/depois

Ordem de prioridade: o que consertar primeiro para impacto máximo

O que preciso de você: acesso SSH ao nó de login, suas especificações do cluster e 2 horas de baixa atividade para benchmarking.

Prazo: 24-48 horas após o acesso ser concedido.