شما می‌توانید با مراجعه به سایت مرکز پردازش سریع دانشگاه به نشانی hpc.sharif.edu/test_2، پس از مطالعه راهنما و ثبت‌نام، از خدمات HPC استفاده نمایید.

برای دسترسی به مرکز پردازش سریع در داخل دانشگاه کافی است به شبکه داخلی دانشگاه متصل باشید و حتی بدون اتصال به شناسه شریف، دسترسی شما به امکانات مرکز پردازش سریع امکان‌پذیر است.
در خارج از دانشگاه باید به شناسه شریف و سرور access2.sharif.ir متصل باشید.

برای دسترسی خط فرمان به کلاستر باید نام هاست را hpc.itc.sharif.edu وارد کنید.

اگر خطای Authentication failed دریافت می‌کنید، به این معنی است که رمز عبور خود را اشتباه وارد نموده‌اید.
در صورتی که رمز عبور خود را فراموش کرده‌اید، با وارد کردن ایمیل شریف خود در آدرس زیر رمز عبور خود را بازیابی کنید.
http://hpc.itc.sharif.ir/accounts/password/reset/

با اعمال شرایط فوق اگر باز هم دسترسی شما فراهم نشده باشد، نام کاربری خود را ارسال کنید تا رسیدگی شود.

برای اتصال به کلاستر از طریق PuTTY، در این ابزار برای ایجاد امنیت بیشتر در زمان وارد کردن رمز عبور هیچگونه کاراکتری حتی ستاره نیز تایپ نمی‌شود. وقتی از شما رمز عبور خواست، شما رمز خود را وارد کنید در حالیکه چیزی در صفحه تایپ نمی‌شود و سپس اینتر بزنید و وارد شوید. در ضمن مطمئن باشید که نام کاربری و رمز عبور را صحبح وارد می‌کنید.
اگر خطای Authentication failed دریافت می‌کنید، رمز عبور خود را اشتباه وارد می‌کنید.
در صورتی که رمز عبور خود را فراموش کرده‌اید، با وارد کردن ایمیل شریف خود در آدرس زیر رمز عبور خود را بازیابی کنید.
http://hpc.itc.sharif.ir/password/reset

با وجود شرایط فوق اگر باز هم در اتصال به کلاستر مشکل دارید نام کاربری‌تان را ارسال کنید تا رسیدگی شود.

اکانت شما به یکی از دلایل زیر ممکن است به حالت تعلیق دربیاید:

۱) استفاده از اکانت دیگران

۲) قرار دادن اکانت خود در اختیار دیگران

۳) اجرای برنامه در محیط غیر جاب (منظور، اجرای برنامه بدون ثبت کردن جاب است)

منابع پردازشی در هر سرور 24 هسته و دارای سرعت 3.3 گیگاهرتز است که سرعت بسیار مناسبی است. همچنین، بر روی هر سرور، واحد پردازش گرافیکی (GPU) مدل Tesla C2075 وجود دارد. لذا بستر مناسبی هم برای اجرای برنامه‌های تک‌هسته‌ای و هم موازی وجود دارد.
تسریع نرم‌افزار و اجرای برنامه، بیشتر به مباحث معماری کامپیوتر و معماری نرم‌افزار مربوط است که نرم‌افزار مورد استفاده باید قابلیت استفاده از منابع را داشته باشد. این مورد خود به علل مختلفی وابسته است. به طور مثال نرم‌افزار شما، اگر استفاده زیادی از منابع ذخیره‌سازی دیسک داشته و به اصطلاح به آن وابسته باشد، هر چقدر هم که منابع پردازشی مناسبی داشته باشید باز اجرای برنامه با تاخیر مواجه خواهد شد چرا که دیسک به گلوگاه کارایی شما تبدیل شده است.

جهت بهره‌مندی از تخفیف‌های ارائه شده توسط مرکز پردازش سریع دانشگاه شریف، لازم است تا با ایمیل دانشگاهی خود اقدام به ثبت نام کنید. تخفیف‌ها به صورت خودکار بر روی هزینه نهایی سفارش شما اعمال میگردد.

لطفا برای آشنایی با نحوه کار مرکز پردازش سریع دانشگاه شریف، راهنمای HPC که در آدرس زیر قابل مشاهده است را به دقت مطالعه فرمایید.

https://ssh.hpc.sharif.ir/static/files/help.docx
https://ssh.hpc.sharif.ir/static/files/HPVM_guide.docx

این فایل، یک اسکریپت لینوکسی است که تنظیمات و نحوه اجرای کد یا نرم‌افزار مورد نیاز کاربر را مشخص میکند. این فایل معمولا شکلی شبیه زیر دارد:

#PBS -N myjob

#PBS -m abe

#PBS -M your@email.adress

#PBS -l nodes=1:ppn=1

cd $PBS_O_WORKDIR

PATH TO THE APPLICATION TO BE RUN

در این کد، سطر اول مشخص کننده نامی است که برای کار خود در نظر میگیرید و کاملا دلخواه است. سطر دوم، سطوح اطلاع‌رسانی را مشخص میکند. حرف a مشخص میکند که در صورت کنسل شدن اجرا، به شما اطلاع داده شود. حروف b و e هم به ترتیب برای اطلاع‌رسانی در زمان شروع و پایان یک کار مورد استفاده قرار میگیرند. خط سوم، ایمیل مورد نیاز برای اطلاع‌رسانی را تعیین می‌نماید. در خط چهارم، تعداد گره‌ها و هسته‌های پردازشی مورد نیاز مشخص می‌گردد. خط 5 اشاره‌ای است به دیرکتوری جاری کاربر و در خط 6 به بعد نیز کدهای لازم جهت اجرای برنامه مورد نظر کاربر مشخص میگردد.

چگونگی ایجاد محیط دلخواه و نصب پکیج‌های مختلف:

به منظور ایجاد و محیط مبتنی بر conda در مرکز پردازش سریع به این ترتیب پیش می‌رویم:

ایجاد محیط:

/share/apps/Anaconda/anaconda3.8/bin/conda create –name my_env

توجه: دقت بفرمایید نام محیط دلخواه شماست و هر کاربر محیط اختصاصی خود را دارد.

فعال‌سازی محیط:
پس از نصب موفقیت‌آمیز، با استفاده از دستور زیر، محیط ایجاد شده فعال می‌شود:

source /share/apps/Anaconda/anaconda3.8/bin/activate my_env

– نصب پکیج دلخواه:

پس از فعال‌سازی محیط در home خود، می‌توان پکیج‌های مورد نیاز را نصب نمود. به عنوان مثال، جهت نصب پکیج scikit-learn دستور زیر در ترمینال وارد می‌شود:

/share/apps/Anaconda/anaconda3.8/bin/conda install -c anaconda scikit-learn

همچنین جهت نصب پکیج با استفاده از pip، می‌توان دستور زیر را وارد نمود:

/share/apps/Anaconda/anaconda3.8/bin/pip install matplotlib

اسکریپت جهت اجرای جاب:
دقت نمایید ابتدا پکیج‌های مورد نیاز داخل ترمینال پس از فعال‌سازی محیط وارد شوند؛ سپس در اسکریپت خود تنها لازم است محیط را فعال کنید تا سامانه از پکیج‌های نصب شده جهت اجرا استفاده نماید. چگونگی انجام این کار در مثال زیر مشخص شده است:

#PBS -N myjob
#PBS -m abe
#PBS -M your@email.adress
#PBS -l nodes=1:ppn=1:gpus=1
#PBS -q cuda9

export LD_LIBRARY_PATH=/share/apps/cuda/cuda-10.1/lib64:$LD_LIBRARY_PATH

export PATH=/share/apps/cuda/cuda-10.1/bin:$PATH

source /share/apps/Anaconda/anaconda3.8/bin/activate my_env

python -u Program.py

برای استفاده از GPU در فایل run.sh خود، یکی از دستورات زیر را وارد نمایید:

#PBS -q cuda7          // Tesla 2075

#PBS -q cuda9          // GeForce GTX 1080 Ti

#PBS -q SP              // RTX 2070 SUPER

#PBS -q DP             // Titan RTX

#PBS -q DDP          // Quadro RTX 8000

توجه داشته باشید که در حالت عادی امکان استفاده از تنها یک واحد پردازش گرافیکی وجود دارد و در صورت نیاز برای تعداد بیشتر، باید دلایل خود را به مرکز پشتیبانی مرکز پردازش سریع ارائه کنید.

اجرای هر کار پردازشی در مرکز پردازش سریع با توجه به منابع مصرفی میزانی از اعتبار شما را مصرف خواهد کرد. منابع مصرفی شامل تعداد و سرعت هسته‌های پردازشی و حافظه رم می‌باشند. همچنین صفی که کار روی آن صف ثبت می‌شود در هزینه کار پردازشی موثر است.
نحوه محاسبه این هزینه به این صورت است:
Queue_type * (max⁡(#Core_requested,#Core_used )*walltime * CPU_Clock ) + max (mem_requested,mem_used) + #GPUs)

هر 1 ساعت هسته برای 1 گیگ فرکانس مقدار 240 ریال هزینه دارد.
در خواست پردازنده گرافیکی برای ساعت 18000 ریال هزینه دارد. جهت استفاده از پردازنده گرافیکی باید از صف cuda7 استفاده شود
میزان حافظه مصرفی در بالا به مگابایت درج شده و برای هر هسته 2 گیگ رایگان می باشد و رم اضافه به اضافه هر ساعت 240 ریال می باشد.
فضای هارد در SAN به ازای هر کاربر 60 گیگ فضای رایگان و به ازای هر گیگ اضافه 180 ریال روزانه هزینه دارد.

هزینه هر جاب از طریق فرمول زیر محاسبه می‌شود:

هزینه = ((ضریب صف × (هسته مصرفی یا درخواستی × زمان اجرا به ساعت × سرعت هسته)) * 240) + (زمان مصرف هر گیگابایت رم مصرفی یا درخواستی به ساعت × 240) + (18000 × زمان مصرف GPU به ساعت)

هزینه نهایی به ریال است.
به ازای هر هسته، ۲ گیگابایت رم رایگان است.
سرعت هسته‌ها ۲.۴ و یا ۳.۳ گیگاهرتز است.
فضای هارد به ازای هر کاربر ۶۰ گیگابایت رایگان است و هرگیگابایت فضای مازاد، 180 ریال روزانه هزینه دارد.

در این حالت و در اکثر موارد، هزینه کسر شده مربوط به استفاده از فضای ذخیره‌سازی (بیش از 60 گیگابایت مشخص شده) می‌باشد که مطابق تعرفه، مبلغ آن محاسبه می‌گردد. اگر این اتفاق برای شما نیفتاده و فکر می‌کنید مشکل از جای دیگری است، با بخش پشتیبانی تماس بگیرید.

شما می‌توانید با دستور qstat از شماره و وضعیت اجراهای خود مطلع شوید و با وارد کردن شماره‌ی اجرا بعد از دستور qdel، اجرای مورد نظر را حذف کنید.

در صورتیکه در هنگام ثبت جاب خود با استفاده از دستور qsub با مشکل عدم دسترسی مواجه شدید، به احتمال زیاد مشکل از کافی نبودن اعتبار شماست که می‌بایست حساب خود را از این لینک شارژ نمایید.

در صورتیکه اعتبار کافی دارید و فکر می‌کنید مشکل از جای دیگری است، لطفا با مرکز پشتیبانی تماس حاصل بفرمایید.

به دلیل تعداد درخواست‌های بالا صف طولانی ایجاد شده است که به ترتیب نوبت‌دهی و کارهای شما انجام خواهد شد.
در این حالت، لطفا شکیبا باشید.

کاربر گرامی، لطفا فایل‌ها و دستورالعمل‌های لازم برای نصب نرم‌افزارهای مورد نیاز خود بر روی لینوکس توزیع CentOS را در پوشه install واقع در اکانت خود قرار دهید و به اطلاع ما برسانید تا برای نصب آن اقدام شود.

جهت به‌روزرسانی gcc، از دستور زیر استفاده کنید:

scl enable devtoolset-8 bash

همچنین، جهت اجرای مدل با gcc، دستور زیر را به فایل جاب (run.sh) خود اضافه نمایید:

export LD_LIBRARY_PATH=/share/apps/gcc/gcc-8.2.0/lib64/:$LD_LIBRARY_PATH

به جای نسخه 8.2.0 نیز می‌توانید نام نسخه مد نظر خود را (که در مرکز نصب است) وارد نمایید.

جهت مشخص کردن میزان دقیق رمی که توسط یک جاب مشخص باید استفاده گردد،‌دستور زیر را در فایل جاب (run.sh) خود وارد نمایید:

#PBS -l mem=20G

به جای عدد 20 می‌توانید مقدار مورد نیاز خود را قرار دهید.

توجه داشته باشید که در صورت مشخص نکردن رم، یک میزان رم توسط سیستم تا حد امکان برای اجرای برنامه اختصاص می‌یابد.

امکان استفاده از دستورات مختلف git نظیر git clone برای دانلود کدها از سایت‌هایی نظیر گیت‌هاب به صورت پیش‌فرض فراهم نمی‌باشد. بدین منظور، یا باید ابتدا فایل‌های مورد نظر را بر روی سیستم خود دانلود نموده و سپس با استفاده از نرم‌افزارهای انتقال فایل (نظیر WinSCP) اقدام به جابجایی آن به کلاستر نمایید، یا اینکه محیط conda را، مطابق با دستوراتی که در همین قسمت و در بخش «نصب محیط و دسترسی به اینترنت جهت دانلود بسته‌های مورد نیاز» قرار دارد فعال نموده و اقدام به اجرای دستورات git نمایید.

جهت اجرای موازی پردازش خود بر روی نرم‌افزار متلب، از نسخه نصب شده در این مسیر استفاده نمایید: share/apps/matlab/matlab2019b/bin/matlab

توجه داشته باشید که جهت اجرای موازی، ابتدا برنامه شما باید به صورت موازی نوشته شده و قابلیت اجرای هم‌زمان بر روی چند هسته را داشته باشد. جهت اطلاع از موازی‌سازی در متلب به این لینک مراجعه نمایید.

برای مدیریت و استفاده از منابع اشتراکی مرکز پردازش سریع، موارد زیر به صورت قانون به اطلاع شما کاربر گرامی می رسد:

• بیشینه تعداد هسته‌های در اختیار کاربر به صورت همزمان در مجموع ۱۶۰ هسته می‌باشد و در هر درخواست، تنها یک نود (گره) را می‌توانید درخواست نمایید. هر جاب هم قابلیت اجرا بر روی ۸۰ هسته را خواهد داشت.
• فضای حافظه در اختیار کاربر ۶۰ گیگابایت است که مدیریت و پشتیبان‌گیری از این فضا بر عهده خود کاربر می‌باشد. این امر باید به صورت متناوب پشتیبانی گرفته شود. تلاش کنید پس از هر اجرا، فایل‌های خود را بردارید و از آرشیو آنها بر روی سیستم خودداری نمایید. فایل‌هایی که به مدت ۲ ماه بر روی سیستم و بلااستفاده باشند حذف خواهند شد.
• هر فرد تنها می‌تواند از یک حساب کاربری استفاده نماید. استفاده‌ از بیش از یک حساب کاربری به هر نحو باعث بسته شدن تمام حساب‌های کاربری به طور دائم می‌گردد.