Et vous pouvez essayer OKA gratuitement maintenant.
Exploitez tout le potentiel de votre HPC dès aujourd’hui
Ce que disent nos clients
« L’intégration d’OKA Predict avec Slurm a posé des bases solides pour l’automatisation de la soumission des tâches, garantissant une utilisation efficace de notre cluster HPC, ce qui aurait un impact positif non seulement sur les simulations des utilisateurs finaux, mais également sur la consommation d’énergie. »
Eddy Taillefer – Okinawa Institute of Science and Technology
« OKA Core nous a permis d’identifier les utilisations non-optimales du cluster perturbant son fonctionnement. »
Matthieu Marquillie – HPC Lead à l’Université de Lille
« Alors que les utilisateurs de HPC deviennent de plus en plus conscients des coûts et de l’impact environnemental des systèmes HPC, nous proposons de plus en plus souvent les outils OKA à nos clients pour les aider à relever ces défis. »
Andrew Dean – Sales Director chez OCF
Ils utilisent aussi OKA
Et préparez votre HPC pour demain
Optimisez l’usage des ressources en temps-réel
Tirez parti de la puissance du Machine Learning entraîné sur l’utilisation de votre propre cluster pour augmenter la productivité des ressources grâce à l’optimisation en temps-réel de la soumission des tâches. Limitez le gaspillage de ressources en exécutant les tâches avec leur configuration optimale.
Les ressources HPC opèrent rarement à leur plein potentiel
Gaspillage de ressources
Les taux d’utilisation des ressources sont souvent suboptimaux
Énergie
Le HPC est un gros consommateur d’énergie
Coûts
Le HPC est gros consommateur de capital et de dépenses opérationnelles
Inflexibilité
Le HPC on-prem est peu flexible
Productivité
Ces inefficacités affectent les time-to-results des end-users
Les composants d’OKA sont testés et approuvés par nos clients, et vous aident à traiter directement les zones d’optimisation les plus fructueuses de vos clusters
Identifier les comportements anormaux des utilisateurs et les patterns de soumission des jobs
Avez-vous repéré ce nouvel utilisateur soumettant des rafales de tâches ces deux derniers jours ? Ou cet utilisateur dont moins de 10 % de ses tâches se terminent correctement ?
Améliorez la qualité de service globale des clusters
Combien de temps vos tâches passent-elles en file d’attente par rapport à leur temps d’exécution réel ? Avez-vous une proportion élevée de tâches échouées, annulées ou expirées ?
Limitez le gaspillage des ressources de calcul
Combien de vos tâches n’ont pas besoin de réseau à haute vitesse et pourraient s’exécuter sur des nœuds moins chers ?
Quelles ressources restent inutilisées alors qu’elles sont demandées par vos utilisateurs ?
Identifiez les états de congestion et de contention dans vos clusters
Comment identifiez-vous lorsque votre cluster ne tourne pas à sa pleine capacité ? Comment atteindre la zone de fonctionnement optimal de votre cluster en ce qui concerne la quantité d’heures de calcul délivrées ?
Planifiez et motivez les évolutions futures de vos clusters
Comment planifiez-vous les pics d’activité dépassant un seuil donné ? Comment pouvez-vous détecter facilement à l’avance les créneaux potentiels de maintenance en prévoyant la charge du cluster ?
Interface facile à utiliser, composants intégrés et homogènes
User management et vue par cluster
Le bon composant pour chaque zone d’optimisation
Filtres de données avancés pour obtenir toutes les réponses dont vous avez besoin, à tous les niveau
Prévision et détection
Planifiez à l’avance le comportement de vos clusters : soit globalement, soit au niveau d’une tâche. Planifiez vos projets pendant les périodes de faible activité ; anticipez les pics de charge… soyez proactif et anticipez les problèmes.
Coûts
Combien coûtera l’exécution d’une charge de travail spécifique dans le cloud ? Projetter le budget nécessaire en fonction du scénario souhaité.
Ensuite, surveillez et contrôlez votre consommation réelle dans le cloud au jour le jour.
Vue physique
Suivez l’évolution de vos métriques serveur par serveur et visualisez physiquement l’emplacement des « points chauds ».
