evancui/hpcacm

HPC Azure集群管理服务

概述

本服务通过提供诊断作业、Clusrun作业和热图等功能，支持Azure中HPC集群的诊断场景，帮助管理员高效管理集群健康状态。

核心功能

• 诊断作业：利用预定义的诊断测试，快速验证HPC集群的健康状况；
• Clusrun作业：选择节点组执行命令，自动分发并交互式收集输出结果；
• 热图：实时图形化展示所有节点的特定指标值，直观呈现集群运行状态。

使用场景

1. 新建HPC集群时同步部署诊断服务，启用集群健康监测；
2. 为现有HPC集群添加诊断功能，实现状态诊断与命令管理。

配置说明

部署方式

1. 从零部署

同时部署集群与诊断服务，支持选择调度器、位置、集群大小等参数，是创建带诊断功能HPC集群的最简方式。详细说明见：https://github.com/EvanCui/azure-hpc/blob/master/Templates/hpc-cluster/README.md

2. 应用到现有集群

步骤1：单独创建服务

模板使用说明：https://github.com/EvanCui/hpc-acm/blob/master/src/deployment/template/README.md

步骤2：注册集群到服务

下载脚本：https://raw.githubusercontent.com/EvanCui/hpc-acm/master/src/deployment/RegisterToACM.ps1
在管理员PowerShell中执行：

.\RegisterToAcm.ps1 -resourceGroupName 集群资源组名 -acmRgName ACM服务资源组名 -subscriptionId 订阅ID

配置完成后，VM将自动注册到服务，可在门户查看资源。

已知问题

• 仅支持Linux系统；
• 门户使用自签名证书，访问需绕过证书验证。