1. 引言
高性能计算在兴起的这些年间，服务了包括航天、气象、科研等在内的各个领域。专注于高性能计算、并行算法、体系架构、软件开发等研究方向的专家们，在各自的领域也一直有不断的创新[1] ，计算效率指数的上升，体系架构的不断变换[2] ，使得高性能计算承担着越来越重要的角色。但是，从使用高性能计算的用户群体[3] 来讲，在关注于效率的同时，使用时的体验感也是被带入考虑的重要因素之一。如今，高性能计算的用户群体组成已经发生了翻天覆地的变化。除了专注于计算的研究机构，更多的高校实验室、企业单位也加入了使用高性能计算的行列。其中以高校用户增加最为迅猛，占据了近九成的比例。
高性能计算的客户体系，不论是高校实验室，还是研究机构或企事业单位，使用者均是科研人员，从事生物基因、环境断裂、材料科学、仿真模拟、气象预测等大数据研究。每个行业在集群上计算的任务特点各不相同，以材料类用户为例，模拟类作业并行程度较高，对CPU要求高，对内存要求相对较低。数据分析类作业则正好相反。普遍作业在128core规模以下就能解决，单核内存2 GB即可。根据用户类型、作业类型以及成熟、规范的业务流程设计HPC产品，才会被市场认可。相反，目前市场上还没有稳定的商业版基于Web的HPC管理平台的原因，就是设计时只粗略提取了部分业务需求，没有进行深入的用户群体分析，忽略了用户对于产品的根本需求，导致产品生命周期短暂即逝。由此笔者进行了一次验证，调查涵盖高校、企业、科研院所等27家单位89位用户，受访用户对HPC业务的感受见图1，大部分用户放弃使用HPC业务是迫于无法承受使用中出现的过多问题导致的。图2是用户使用基于Web的高性能计算管理平台的调研，多数用户反映虽然功能基本满足，但业务流程繁杂，不成系统，使用起来有种力不从心的感觉。由图1、图2可见，使用Web技术可以解决绝大部分用户关于使用方面的问题，但是因为把握用户不到位导致产品定义不成功，因此使用效果不理想，问题比较多。
本文重点讨论现阶段高性能计算主体用户的特征，以及使用高性能计算时的常见问题，并结合用户最关心的业务需求介绍HPC-Cloud解决方案在业务流程上的创新点。最终总结用户群体分析在基于Web的高性能计算管理平台产品定义中的重要意义。
2. 用户群体特征
在笔者服务高性能计算用户两年的经验来讲，高校用户占所有用户的95%之多。总结用户群体的科研性质，发现有如下几个特点：
Figure 1. User research to HPC business
图1. 用户对HPC业务使用调研
Figure 2. Investigation of the usage of similar products
图2. 对类似产品使用情况调查
一带多：资源由实验室课题组的主要负责人使用。根据工作量大小，由负责人分配计算资源，所有使用者基本都是课题组里的学生。这种一带多模式区别于导师带学生，基本上同一账户的多个使用者之间没有有效的交流机制。所以会出现需求不统一的情况。
阶段性：每年的两个开学季，是用户任务并发量最大的时间。这个时间段里，系统会出现持续性排队的现象。相对的每年寒暑假则是系统利用率最低的时期。但是用户在离校前会大量提交作业，造成临时性突发排队。
知识性：一般新接触高性能计算的用户，对高性能计算的认知程度很低，需要加大技术支持力度。而续签或者通过介绍签约的用户，通常至少会有1人对业务熟练，因此不需要花费太多的时间、精力重新培养。
协调性：一般研究人员多为博士研究生、硕士研究生等，用户容易沟通，较少出现沟通障碍。
针对以上高校用户的特点，在HPC业务工作中遇到的问题大致有以下几类：
u 一带多模式延续下去带来的问题是，当新的课题组接手HPC业务后，需要重复的花费时间、精力培养客户。
u 高校用户因为不熟悉HPC业务，所以在提问题、展示问题、阐述问题时难以做到表述清晰，并且同样的问题会重复多次。造成解答问题时不能快速、准确定位问题原因。
u 同一账户使用的人数不固定，使用账户的要求意见难以统一。造成在与技术支持沟通问题时，使问题复杂化。
以上所述可以通过有效的沟通机制、规范的问题提交模板等解决。但是用户周而复始的提问相同的问题，解决方法要从根本抓起。用户问题最大的两个特点，一是重复性。单一用户重复同样的问题。不同用户提问同样的问题；二是简单性。提交的问题大多都是简单的系统、应用使用问题。
3. 高性能计算使用隐性要求
使用高性能计算资源时，要求使用者具备的知识包括：
• 基础的Linux系统知识。包括但不限于基础命令的使用、权限管理、简单shell脚本等。
• 部分高级的Linux知识。包括但不限于系统安装配置、PAM机制、软件安装、环境配置等。
• 基础的作业调度系统知识。包括但不限于作业提交、作业查询、作业资源策略等。
• 并行软件编译、使用识。包括但不限于软件的多种并行编译方法、多元化的并行作业提交方式等。
这些隐性要求是阻碍高效使用计算资源的主要原因，每个用户都至少缺乏以上两种类型知识，从而导致使用资源时不断出现使用规范类问题、基础常识类问题、应用编译类问题等多种问题[4] 。例如作业脚本参数设置混乱、超线程作业占用资源、应用并行编译效率差等。
4. 解决方案
虽然通过技术支持可以解决上述问题，但时间、效果上会不尽如人意。基于Web的HPC管理平台解决方案完美地解决了这一尴尬问题。因为产品处于发展期，所以在功能、流程上设置还存在一定的不足，原因是在产品定义阶段缺少深入的用户群体分析，针对不同用户设计产品才是会被市场、用户接受的最终道理。北京市计算中心有多年材料类高性能计算服务经验，结合材料类用户群体、业务流程特点，设计了HPC-Cloud平台，且得到了用户的一致认可。材料类用户特点主要分两点，一是以业务规模类型多变，参数变化频繁，计算密集型应用较多等为业务特点；二是符合大众用户缺乏集群知识等行业特点。在充分考虑用户群体以及计算业务的特点，平台架构设计如图3。
HPC-Cloud平台创新点如下：
• 基于云计算的SaaS层[5] 服务：HPC-Cloud是基于公网运营的云计算平台，用户采用账户租赁模式使用集群资源，账户可预存费用，按照租赁模式按需付费。
• 业务管理流程层级清晰：平台不只高级管理员、用户两个层级，还添加了协助管理员，也称业务管理员。业务管理员负责管理用户业务流程上相关事宜，根据用户业务特点优化业务流程。
• 添加试用用户管理业务：不只是集群付费用户可使用该平台。对HPC业务有兴趣想要试用的用户也可以在自助模式下直接试用。每15天提供10个试用账户，试用用户可顺延领取到试用账户的用户名和密码，在有限资源内使用集群资源。
• 提高集群资源、策略透明度：集群资源[6] 的使用信息、负载信息、队列策略等在资源管理模块都有明确标注，使用户深入了解集群资源，避免队列资源拥堵造成的“堵车”。
• 多种类策略管理：为满足各种计算资源需要，制定了大内存队列、串行作业队列、普通队列、VIP队列、中型内存作业、多线程作业队列等各种类型队列策略。
• 促进业务交流，拓展业务范围：对于集群业务流程的任何意见与建议，用户都可以在固定板块畅所欲言。还可以对材料类应用软件使用规范、技巧在论坛进行交流。
• 开放式登录、交互式管理：Web方式与传统客户端方式都可使用，为不同需求的用户提供便利。同时移动客户端APP也可登录，满足用户随时随地关注任务情况的需求。用户可在线与技术人员进行交流，保证问题及时得到解决。
根据材料类用户的业务规模多变，特点制定了图4是HPC-Cloud业务流程，该流程除了满足用户常
Figure 3. System architecture of HPC-Cloud platform
图3. HPC-Cloud平台体系架构
Figure 4. Business process of HPC-Cloud
图4. HPC-Cloud业务流程
规性需求的同时，还满足了用户对于灵活计算环境的要求。在不影响付费用户计算的同时，还能满足试用用户查看集群计算效率的要求。
图5是平台内的作业模板，在常规脚本参数设置的同时，考虑用户对于重要作业状态实时关注的需求，添加了邮件/短信提醒的功能。
5. HPC用户群体分析的重要意义
如今以高校主导的用户群体主要以计算化学、分子动力学、材料仿真、生命科学等几大主要研究领域。每个高校的化学、生物、材料、机械等学院都是潜在用户，在紧张的课题项目压力下，用户没有额外的时间学习HPC集群是专业知识。同时，因为没有资金、或者没有专业机房知识不能搭建自己的机房，只有租用计算资源。全国可查的高校有849所，其中100多所高校在使用HPC业务，有87%的市场是未开发的。所以，HPC业务市场拥有可观的市场前景。用户群体分析是进行产品定义的前提，是制定产品需求的立足点，是占领市场的核心竞争力。用户分析包括用户特征、使用习惯、行为习惯、行业特征等等，因为使用HPC业务的行业很多，每种行业都有自身的特点，只提取大众特点设计出的产品，受众面反而是最小的，如IBM网页版的PAC (IBM Platform Application Center) [7] 就是典型的例子。因为PAC专为业务单一的用户准备，
Figure 5. Job template of HPC-Cloud
图5. HPC-Cloud作业模板
客户计算类型一致，计算规模相仿。鉴于这些前提要求，虽然PAC软件质量高，却没有被大范围的应用，甚至很少用户知道。由此可见，产品前期用户群体分析要全面、深入，紧密贴近用户业务需求出发。
本文针对基于Web的高性能计算解决方案一直不被广泛应用现象展开讨论，通过用户调研得出问题原因。分析原因并以HPC-Cloud平台为例展示用户关注的业务点，阐明用户群体以及业务特征分析对于产品分析、定义阶段的重要性，为其他正在研究、开发基于Web的HPC平台具有一定的借鉴意义。
致 谢
感谢北京市计算中心提供的云计算环境，感谢云平台事业部领导、同事们的帮助。