注：缓存磁盘使用情况查看程序下载：Nabula Node Disk Usage Collecter
注：集群健康监测任务执行指南：集群健康监测任务执行指南.docx
注：上传集群文件示例：
轮值集群健康监察员排班表
注：轮值工作周五周六进行即可
请大家以蒙蒙师姐为标准准备附件
| 轮值监察员 |
轮值日期 |
| 李蒙蒙 |
2025/02/10-2025/02/16、2025/03/31-2025/04/06、2025/05/19-2025/05/25 |
| 王奉鲁 |
2024/12/30-2025/01/05、2025/02/17-2025/02/23、2025/04/07-2025/04/13、2025/05/26-2025/06/01 |
| 张枝瑶 |
2025/01/06-2025/01/12、2025/02/24-2025/03/02、2025/04/14-2025/04/20、2025/06/02-2025/06/08 |
| 陈英杰 |
2025/01/13-2025/01/19、2025/03/03-2025/03/09、2025/04/21-2025/04/27、2025/06/09-2025/06/15 |
| 杨婷 |
2025/01/20-2025/01/26、2025/03/10-2025/03/16、2025/04/28-2025/05/04、2025/06/16-2025/06/22 |
| 刘芸菲 |
2025/01/27-2025/02/02、2025/03/17-2025/03/23、2025/05/05-2025/05/11、2025/06/23-2025/06/29 |
| 许凯 |
2025/02/03-2025/02/09、2025/03/24-2025/03/30、2025/05/12-2025/05/18 |
2024/05/12
汇报人员 李蒙蒙
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
否 |
– |
总结报告
①系统日志监控和报告中节点log文件出现error和fail信息，相应信息已上传；
②机房温度在空调工作时段高达40℃，相应信息已上传。以上情况均已报告管理员。
2024/05/19
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）Dash导航页部分出现无法打开情况，无法打开页面为"Netdata" "OpenWebUI" "Openwrt"
（3）5月16日晚9点至17日零点，机房温度持续高于40℃，峰值温度可达45℃，相关信息已记录上传
上述情况均已报告管理员。
2024/05/25
汇报人员 许凯
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）Dash导航页部分出现无法打开情况，无法打开页面为"Netdata"
（3）2、4、8号节点出现意外宕机
上述情况均已报告管理员。
2024/06/02
汇报人员 陈英杰
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）Dash导航页部分出现无法打开情况，无法打开页面为"Openwrt" "Proxmox" "Truenas"
（3）6号节点由于电源问题暂时下线，健康监测内容未包含6号节点
上述情况均已报告管理员。
2024/06/07
汇报人员 杨婷
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相应信息已上传；
（2）node6因电池问题下线，故缓存磁盘使用情况检查有问题，相应信息已上传；
（3）node2存在上线时间小于7天的情况，显示上线时间为两天。
（4）node6因电池故障已送厂家返修，故node6下线。以上情况均已报告管理员。
2024/06/15
汇报人员 刘芸菲
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相应信息已上传；
（2）node6因电池问题下线，故缓存磁盘使用情况检查有问题，相应信息已上传；
（3）node3,5,7,9存在上线时间小于7天的情况，显示上线时间分别为4,5,5,4天。
（4）node6因电池故障已送厂家返修，故node6下线。以上情况均已报告管理员。
2024/06/21
汇报人员 李蒙蒙
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相应信息已上传；
（2）机房温度在空调工作时段高达40℃，相应信息已上传。
（3）所有节点上线时间均小于7天。
以上情况均已报告管理员。
2024/06/29
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）Dash导航页部分出现无法打开情况，无法打开页面为 "OpenWebUI" "Yatcht"
（3）5月16日晚9点至17日零点，机房温度持续高于40℃，峰值温度可达45℃，相关信息已记录上传
（4）所有节点上线时间均小于7天，其中node6为down状态，因而上述监测中不包括node6。
上述情况均已报告管理员。
2024/07/06
汇报人员 许凯
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）所有节点上线时间均小于7天。
上述情况均已报告管理员。
2024/07/13
汇报人员 陈英杰
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）Dash导航页部分出现无法打开情况，无法打开页面为 "Openwrt" "Yacht"
（3）7月10日凌晨4点，机房温度达到峰值40.5℃，相关信息已记录上传
（4）node2,3,8,9存在上线时间小于7天的情况，显示上线时间分别为2,2,1,5天。
上述情况均已报告管理员。
2024/07/20
汇报人员 杨婷
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）node5,7,9存在上线时间小于7天的情况，显示上线时间分别为3,3,5天。
上述情况均已报告管理员。
2024/07/27
汇报人员 刘芸菲
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
上述情况均已报告管理员。
2024/08/04
汇报人员 李蒙蒙
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
①系统日志监控和报告中节点log文件出现error和fail信息，相应信息已上传；
②计算节点上线时间小于7天。以上情况均已报告管理员。
2024/08/11
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）所有节点上线时间小于7天
上述情况均已报告管理员。
2024/08/25
汇报人员 陈英杰
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）node9存在上线时间小于7天的情况，显示上线时间为4天。
上述情况均已报告管理员。
2024/09/16
汇报人员 李蒙蒙
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）node4、node7存在上线时间小于7天的情况，node4显示上线时间为1天,node7显示上线时间为7天。
上述情况均已报告管理员。
2024/09/30
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传
（2）目前集群所有节点均已上线，上线天数均小于7天。
上述情况均已报告管理员。
2024/10/13
汇报人员 陈英杰
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）仅node2和node8上线时间大于7天，其余节点显示上线时间为3天。
（3）集群散热监控系统未开启
上述情况均已报告管理员。
2024/10/20
汇报人员 杨婷
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）仅node2上线时间大于7天，node5-node7节点显示上线时间为5天，node3、node4、node9节点显示上线时间为4天，node8节点上线时间显示为3天。
（3）集群散热监控系统未开启
上述情况均已报告管理员。
2024/10/26
汇报人员 刘芸菲
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）node4节点显示上线时间为4天。
（3）集群散热监控系统未开启
上述情况均已报告管理员。
2024/11/09
汇报人员 李蒙蒙
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）node2-9均显示上线时间小于7天。
（3）集群散热监控系统未开启
上述情况均已报告管理员。
2024/11/23
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）因停电所有节点上线时间均小于7天。
（3）导航页'Openwrt'和'Prometheus'两个链接无法打开。
上述情况均已报告管理员。
2024/12/01
汇报人员 陈英杰
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）因路由器网络中断导致集群下线，所有节点上线时间均小于7天。目前已恢复运行，所有节点正常。
（3）导航页'Prometheus'两个链接无法打开。
（4）11月29日上午8点40，集群温度达到峰值40.6℃。
上述情况均已报告管理员。
2024/12/8
汇报人员 许凯
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）集群温度达到峰值异常，最高可达45℃。
上述情况均已报告管理员。
2024/12/15
汇报人员 杨婷
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
上述情况均已报告管理员。
2024/12/21
汇报人员 许凯
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）5、7、9号节点上线时间均小于7天。目前已恢复运行，所有节点正常。
上述情况均已报告管理员。
2024/12/28
汇报人员 刘芸菲
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中除了2号节点外log文件均出现error和fail信息，相关信息已记录上传。
（2）2、3、4、5、6、7、8号节点上线时间均小于7天。目前已恢复运行，所有节点正常。
（3）12月25日晚上21点至26日三点、26日九点至15点出现温度高于30℃
上述情况均已报告管理员。
2025/01/10
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）node9掉线，node3 4 5 7登录存在无法登录/登录加载缓慢等问题，node6在线时间2天，node2 8在线时间超过7天。
（3）node8缓存占用超过75%。
（4）课题组网站部分网页无法加载。
上述情况均已报告管理员。
2025/01/18
汇报人员 陈英杰
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）node5在线时间5天。
（3）node7和node8缓存占用超过75%。
（4）课题组网站部分网页无法加载。
上述情况均已报告管理员。
2025/02/02
汇报人员 刘芸菲
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中部分节点log文件出现error和fail信息，相关信息已记录上传。
（2）九号节点下线。
（3）node8缓存占用超过75%。
（4）课题组网站第四个网页无法加载。
（5）一周中大部分时间下温度超过30度。
上述情况均已报告管理员。
2025/02/09
汇报人员 王奉鲁
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
否 |
– |
总结报告
（1）系统日志监控和报告中部分节点log文件出现error和fail信息，相关信息已记录上传。
（2）九号节点异常下线。
（3）node5和node8缓存占用超过75%。
（4）课题组网站部分网页无法加载。
（5）一周中2月3号部分时间温度超过30度。
上述情况均已报告管理员。
## 2025/02/16
### 汇报人员 李蒙蒙
| 项目 | 是否正常 | 备注 |
|:--------------------------------------|:---------------:|:-----:|
| 系统日志监控和报告 | 否 |6号节点无法登录 |
| 缓存磁盘使用情况 | 否 |3、5号节点较满 |
| 课题组关键基础设施服务 | 是 |- |
| 计算节点意外宕机事故 | 否 |8、9上线小于7天 |
| 集群散热情况 | 否 |- |
### 总结报告
```bash
（1）系统日志监控和报告中部分节点log文件出现error和fail信息，相关信息已记录上传。
（2）6号节点无法登录。
（3）node3缓存占用91%，node5缓存占用71%。
（5）2月12号部分时间温度超过30度。
上述情况均已报告管理员。
2025/03/01
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）node2 node3缓存磁盘占用过多。
上述情况均已报告管理员。
2025/03/09
汇报人员 陈英杰
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）系统日志监控和报告中节点log文件出现error和fail信息，相关信息已记录上传。
（2）node3、node7和node10缓存磁盘占用过多，超过75%；node3节点占用甚至达到100%。
上述情况均已报告管理员。
2025/03/15
汇报人员 杨婷
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）除了2号节点外，系统日志监控和报告log文件均出现error和fail信息，相关信息已记录上传。
（2）3号节点和8号节点存在上线时间小于7天的情况，分别为1天和5天。
（3）导航页面部分链接无法正常打开。
上述情况均已报告管理员。
2025/03/22
汇报人员 刘芸菲
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
否 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）除了2号节点外，系统日志监控和报告log文件均出现error和fail信息，相关信息已记录上传。
（2）温度在17日和19日凌晨出现短时间超过30度情况。
（3）7号节点缓存已达74%。
上述情况均已报告管理员。
2025/04/06
汇报人员 李蒙蒙
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
否 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）9号节点查询时无法登录，其余节点系统日志监控和报告log文件均出现error和fail信息，相关信息已记录上传。
（2）所有节点上线时间小于7天。
上述情况均已报告管理员。
2025/04/19
汇报人员 张枝瑶
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）部分节点系统日志监控和报告log文件均出现error和fail信息，相关信息已记录上传。
（2）其余情况正常
上述情况均已报告管理员。
2025/05/04
汇报人员 杨婷
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
是 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）所有节点系统日志监控和报告log文件均出现error和fail信息，相关信息已记录上传。
（2）其余情况正常
上述情况均已报告管理员。
2025/06/21
汇报人员 杨婷
| 项目 |
是否正常 |
备注 |
| 系统日志监控和报告 |
否 |
– |
| 缓存磁盘使用情况 |
是 |
– |
| 课题组关键基础设施服务 |
否 |
– |
| 计算节点意外宕机事故 |
是 |
– |
| 集群散热情况 |
是 |
– |
总结报告
（1）除2号节点外，所有节点系统日志监控和报告log文件均出现error和fail信息，相关信息已记录上传。
（2）温度在21日中午短时间内超过32度。
上述情况均已报告管理员。
