物理机直跑降低开销
应用和服务直接运行在物理机上，减少容器限制和系统软件开销，并支持特殊 AI 加速硬件。
SkyForm AIP 介绍
SkyForm 应用任务管理平台（简称 SkyForm AIP）是由天云软件自发研制的高性能、高可靠、高可扩的人工智能、高性能计算、大数据应用管理平台，具有自主可控知识产权，核心技术不依赖于国外开源社区。
SkyForm AIP 是为人工智能框架、高性能计算、大数据等应用专门设计的企业级资源和任务调度和用户访问系统，注重大规模集群分布式深度学习、机器学习、高性能计算、数据分析等任务管理，使用户在使用大集群和异构硬件的时候达到像用本地系统一样的简单和透明，同时又让系统管理员能够有效地监控和管理集群上所有的资源，使昂贵资源的利用率最大化，从而提高效能、降低成本。
每秒调度五千作业
支持二十万核集群
异构资源统一调度
优势与先进性
复用系统用户权限
使用 OS 原生用户和权限体系，简化认证管理，减少数据库依赖。
共享存储保障高可用
依托共享文件系统和内建检测机制，实现数据持久化与服务 HA。
异构资源统一调度
将多组件作业整体调度，避免资源占用等待，提升集群利用率。
生产级调度策略
支持资源阈值、大作业预留、小作业回填等高级调度能力。
深度集成 MPI
与 Intel MPI 等主流并行平台深度集成，适配传统 HPC 作业运行环境。
每秒调度五千作业
具备高吞吐作业调度能力，支撑大规模任务提交场景。
支持二十万核集群
可管理 200000 核以上超大规模集群，满足企业级计算需求。
显示协议
SkyForm AIP 支持交互式图形作业。用户在应用中选择远程图形终端，并在任务监控页面点击远程桌面后，系统会动态生成图形终端桌面，用户可在桌面中运行交互式图形应用。
远程图形终端支持多种 3D 远程可视化技术，包括 AWS 的 NICE DCV。用户还可以通过 Web 门户完成应用任务启动与监控、暂停、恢复、杀掉、重启、文件上传下载、远程桌面和远程文字终端访问。
SkyForm AIP —— 调度系统
对分布式多种任务异构资源的集中调度管理
其他资源调度器对多种任务的资源每次调度一种，当一种任务所需资源不足时，其他作业占着资源等待，造成资源浪费。SkyForm AIP 把整个学习框架作为单一作业，直到所有任务所需资源都满足时才启动，以保证昂贵资源利用最大化。多任务异构资源的统一调度是 SkyForm AIP 的独特调度能力，保障应用性能和资源利用最大化。
伸缩资源主动分配
应用或作业在一开始可以告诉调度器所需最小和最大资源值。调度器会根据调度策略和可用资源尽量满足应用需求。如果不能满足最大资源需求，在应用运行过程中若有冗余资源可用，调度器会主动把这些资源分配给作业，直到作业所需最大资源得到满足。这种主动分配调度有益于提高深度学习等资源饥渴型应用的性能。
先进先出：根据作业递交先后时间顺序分发作业。
优先级：作业递交到不同优先级队列，系统优先分发高优先级队列作业。
轮循：同一队列中有多个用户作业时，为每个用户轮流分发作业。
独占：指定作业独占主机，避免与其他作业在同一主机上发生资源冲突。
公平分享：可按部门、用户组和用户设置资源份额，在长期时间段内保证资源配额，同时避免配额闲置浪费。
并行作业资源自动预留：为高优先级并行作业自动保留逐步释放的小块资源，避免大作业长期等待。
基于资源阈值的调度：可定义资源上下水位，控制停止调度或停止、挂起、杀掉已运行作业。
资源平衡方式：支持减少资源碎片（Packing）或负载平衡（Spreading）。
异构系统：允许不同架构、型号、性能、操作系统和版本的主机放入同一集群，通过 host type 等参数配置。
定时作业：支持运行用户、运行时间点、命令行、最长运行时间、启动超时、失败重试次数等参数。
SkyForm AIP 业务队列调度
person_check可指定用户或用户组。
view_timeline可设置业务总作业槽限制。
manage_accounts可设置每个用户总作业槽限制。
schedule支持作业运行时间窗。
conversion_path支持作业预处理和后处理。
settings_backup_restore支持暂停、恢复、结束等作业操作定制。
grid_view支持按主机、项目、用户任意组合指定作业槽限制。
memory支持 CPU 绑定，将作业绑定到 CPU 核以优化运行性能。
toggle_on可允许或禁止交互作业。
restart_alt主机故障时，作业可在其他符合条件的主机上自动重启。
dns可限制队列可用主机或主机组，也可在分发作业时优先考虑部分主机。
客户分布
SkyForm AIP目前已服务于高校科研、国家级超算中心、航空制造及EDA/芯片设计等领域的用户，致力于为高性能计算、人工智能和高性能数据分析场景提供自主可控的异构算力调度与任务管理能力，帮助用户提升算力资源利用率、简化集群运维并加快科研及产品研发进程。
