神威超级计算机运行时故障定位方法

摘要： 随着高性能计算机的性能不断提升、系统规模不断提高，系统和应用的错误率也不可避免地持续增多.快速发现和定位系统及应用级的错误、为用户提供高质量服务，成为了超级计算机系统设计开发过程中急需考虑的问题.超级计算机系统中硬件故障与异常、软件程序的错误等都会导致用户大规模并行应用的错误、挂死与退出.如何快速准确定位错误现场，让管理员或用户以此为基础查看异常发生的故障进行高精度、高效率的诊... （共12页）