1. 课程导入与HPC集群全景
欢迎进入《Supermicro高性能计算集群建设》课程。在动手拧下第一颗机柜螺丝之前，我们需要先建立一张"全景地图"：HPC集群到底由什么构成、Supermicro在其中扮演什么角色、一个集群从需求到上线要经历哪些阶段、以及后续章节会反复出现的术语究竟指什么。只有把这张地图画清楚，后面每一章的具体操作才能找到自己的位置。
一、学习目标：学完这门课你能做什么
本课程面向的是真正要把一套HPC集群从零建起来、并让它稳定跑起来的工程师。学完之后，你应当具备以下能力：能够根据计算任务特征（CPU密集、GPU加速、内存带宽敏感、I/O密集）选择合适的Supermicro服务器平台与节点配比；能够规划机柜布局、供电、散热与网络拓扑；能够完成集群的硬件上架、BIOS/BMC配置、操作系统与集群中间件部署；能够用基准测试和监控工具验证集群性能并定位瓶颈；能够对常见故障（掉卡、链路降速、温度告警、作业排队异常）做出判断与处理。
换句话说，本课程的目标不是"认识HPC"，而是"交付一套可用的HPC集群"。
二、Supermicro在HPC领域的定位
Supermicro（美超微）在HPC市场中的核心价值可以概括为三点：平台覆盖广、交付速度快、能效与密度兼顾。它的产品线几乎覆盖了HPC集群中所有节点类型：
- GPU计算节点：如SYS-821GE-TNHR等8卡HGX平台，面向AI训练与GPU加速仿真；
- 双路CPU计算节点：如SYS-621C系列，面向传统MPI并行计算；
- 高密度多节点：如BigTwin、Twin系列，在2U内集成多个节点，适合大规模横向扩展；
- 存储与头节点：如存储服务器与1U/2U通用服务器，承担并行文件系统和管理调度角色；
- 液冷方案：面向高功率GPU集群的直接液冷（DLC）机柜级交付。
对建设者而言，Supermicro的意义在于：它把"机柜级"甚至"集群级"的交付变成了可采购、可复制的标准件组合，而不是每个项目都从零定制。这直接决定了后面章节中我们讨论的部署流程可以高度工程化。
三、集群建设生命周期
一个HPC集群的建设不是"买服务器—装系统—跑起来"这么简单。它通常经历六个阶段，每个阶段都有明确的输入和交付物。下图展示了这一生命周期以及各阶段之间的依赖关系。
需要特别注意的是图中那条虚线反馈回路：HPC集群建设很少是一次性线性完成的。测试阶段发现实际性能达不到预期，往往要回到选型或基础设施阶段重新调整；上线后业务需求增长，也会触发扩容，重新进入生命周期。理解这一点，有助于你在后续章节中把每个阶段都当作"可迭代"的环节来对待。
四、核心术语与整体架构
在进入具体技术细节前，先统一几个高频术语的含义，避免后续沟通歧义。
| 术语 | 含义 | 在本课程中的典型对象 |
|---|---|---|
| 节点（Node） | 集群中一台独立服务器，是调度和故障的基本单位 | Supermicro 2U/4U服务器 |
| 头节点/登录节点 | 用户登录、提交作业、编译代码的入口 | 1U通用服务器 |
| 计算节点 | 实际执行并行计算任务的节点 | 双路CPU或8卡GPU节点 |
| 管理网络 | 用于BMC带外管理、系统部署、监控 | 千兆/万兆以太网 |
| 高速互联 | 承载MPI通信、存储访问的低延迟高带宽网络 | InfiniBand HDR/NDR 或 RoCE |
| 并行文件系统 | 为所有节点提供统一、高吞吐的共享存储 | Lustre、GPFS、BeeGFS |
| 调度器 | 分配计算资源、排队和管理作业 | Slurm、PBS Pro |
| BMC/IPMI | 带外管理接口，可远程开关机、装系统、看传感器 | Supermicro IPMI/Redfish |
从架构上看，一个典型的Supermicro HPC集群可以分成四层：计算层（CPU/GPU计算节点）、网络层（管理网+高速互联）、存储层（并行文件系统+元数据服务器）、管理层（头节点、调度器、监控）。这四层之间通过明确的接口协作：计算节点通过高速互联访问存储和彼此通信，通过管理网被监控和部署，通过调度器接收作业。后续每一章基本都围绕这四层中的某一层或某几层展开。