[TOC]
未尽事宜
由于时间精力和能力有限，很多想做的事情还没有来得及做，或者没能做，在这里也列出来，希望今后有管理员可以将这些工作完成。
存在的问题
- 安全问题
机房环境监控系统处于瘫痪状态，市电、UPS状态、空调状态、温度、湿度、漏水、消防、监控等信息都不能很好的拿到。有些设备已经处于停止或者故障状态，导致无法准确获取这些信息，一旦出现安全问题无法及时进行处理。
集群外部只有一个防火墙，服务器上面也只是简单配置iptables来限制用户登录，实际上安全等级不够高，安全控制粒度不够细。
一个IP若可以登录到集群，该机器可以使用任意的账号登录，也就是说存在账号互相借用的问题，使得有些用户将资源出售或者转借的风险。
密码安全的问题，有些用户的密码设置超级简单，而且不会更换，如果密码被其他人获取，就会导致资源浪费问题。
服务安全问题，集群未对在集群上运行的任意服务进行监控和安全配置，如果收到恶意攻击，会导致集群崩溃。
最典型，也最重要的服务是文件系统，文件系统本身故障频繁，另外如果收到而已破坏，将会直接导致软件环境破坏、用户数据丢失、集群崩溃等。
长期不登录账号，及时锁定。
根据用户登录IP地址统计情况，出现异常IP登录时，发送验证码或者提醒邮件。
- root权限的管理问题
- 登录跳转控制问题
- 流量管理和带宽控制
- 磁盘配额管理
集群分区管理
由于集群现在是面向全校提供服务，主要的用户分为两种类型，一种是实验室内部同学进行试验，另外一种是实验室外部的用户进行高性能计算，这两类用户的需求差异很大，实验室内部用户一般是进行了某些系统的优化，需要一批机器部署自己的实验系统，然后比较，一般周期不会特别长，但是对系统的权限要求比较高，对系统的环境破坏比较大，使用完成后，需要做的工作也非常多。而第二种用户只需要集群提供了相应的软件，需要一批节点，提交作业，对系统环境破坏小，但是对机器数量要求或者资源的需求比较大。
目前集群的分配策略是，来了一个用户，给他分配几个节点，用完之后回收，但是实际上，除了实验室内部短期做实验的用户，外部用户一般长期需要计算资源，基本上资源分配出去之后，就很难回收，长期占有，甚至不用了都不会主动归还，导致下次有用户进行资源申请时，很难找到空闲的资源进行使用。
根据集群用户的需求和特点以及资源的使用情况，目前的想法是，将集群分为A和B两个区域，其中A区提供给实验室内部人员使用，B区专门用于进行高性能计算，这样的好处是，B区可以使用队列调度系统，用户通过调度系统提交作业，然后就可以充分利用B区的所有机器，大家的作业按照顺序进行调度，提高了资源利用率，同时也加快了计算效率。
由于时间有限，以上想法暂时未执行，希望下一届管理员能够争取做到使用队列管理系统进行作业提交，保证用户计算公平性、资源充分利用。
队列系统已经于2017年下半年开启使用了。效果挺好，资源利用率得到明显提高，同时降低了节点分配的成本。
maui.d作业调度器安装
Torque自带的调度器非常简单，无法实现复杂的任务调度算法。maui.d相对而言更加高级，性能更加出色，希望后期能配置该调度器，提升Torque的灵活性和稳定性。
LDAP或NIS服务配置
每次分配账户，都需要将/etc/passwd，/etc/shadow，/etc/group等文件复制到计算节点，工作量还是挺大的，尽管有pssh、pdsh等工具，但是每次复制也会带来问题。如果说所有机器的系统一样，软件环境一样，直接复制这些文件不会有其他问题，但是如果系统不一样，直接覆盖，会带来系统或者软件故障，甚至系统无法启动的问题。
如果配置了LDAP或者NIS，可以只在一台机器维护所有的账户和共享文件信息，其他机器通过访问相关服务完成用户认证和基本配置文件访问。
集群资源管理系统
集群目前管理相对比较零散，用户多，管理管理起来比较困难。例如说现在采用的是一个数据库记录节点分配和用户信息，操作效率低，使用极其不方便，找个信息要翻半天。
期望下一届管理员能够开发一个简单的Web系统，用于集群节点分配和用户信息的管理。例如说，设计一个页面，查询用户历史使用节点信息，目前使用信息，违法操作行为等。同时可以查询某个节点的使用情况，有多少个用户使用，维修情况等。
Kadeploy部署软件的安装
这个软件非常好，了解和安装可以减轻很多工作。
GridView管理软件安装
集群建设初期，厂家提供了一些用户文档给用户，但是那些文档都是基于厂家的Gridview集群管理系统建设的，现在Gridview被破坏了，无法正常运行，加上Gridview本身比较老了，厂家也没有提供新的版本给我们，另外安装文档又不是很详细，导致有些配置无法正常进行，导致无法使用。
GridView是厂家自己开发的集群管理软件，该软件功能还是挺强大的，界面也比较友好，其实挺适合作为集群管理软件来使用，但是由于之前集群零散分配给用户使用，将GridView的节点信息等都破坏了，整个软件无法控制所有的集群。
如果可以，寻求厂家的帮助，将GridView集群管理软件装好，主要是该软件提供了界面化提交作业的界面，可以非常方便使用，降低用户的使用难度。
集群主页或FAQ开发
同时还能够使用开源的博客系统例如Wordpress等构建一个集群首页或者社区，用于用户之间的信息交流，特别是一些集群使用的方法、软件安装方法、集群公告等信息，这样不仅用户学习起来非常方便，同时也减少了管理员的工作量，另外提升了集群管理的科学有效性。
当然最重要的是能够制定一些规章制度，规范用户的使用行为，规范资源的分配和管理工作，这样能够保证一切能够高效进行。
期待更好
期待集群的管理更加科学化，同时也期待集群的管理和运维工作得到实验室的重视，集群建设资金不菲，价值也不菲，但是由于缺少管理人员，缺少资金支持，缺少重视，还没有完全发挥它的作用，因此期待在集群报废之前，能够充分利用集群的价值，为更多的科研项目服务，期待实验室的集群管理制度更上一层楼。
