在管理曙光高性能集群的时候，机房空调出问题了，由于集群的密度非常大，一间容纳60人教室大小的房间放着360个节点还有，IB交换机等设备，产热量非常的大，为了防止机器温度过高导致整个机房起火等危险，特地写了一个集群监控脚本，每隔一定的时间扫描集群的节点温度，当温度超过报警阈值时，提示该节点的所有用户，当节点的温度超过关机阈值时，提醒用户，并延时1分钟后并自动进行关机处理。
由于用户对于节点的计算需求非常大，如果长时间关机，将会导致节点长期不能使用，因此，每隔2-4个小时，当节点温度稍微安全之后，对关机列表中的节点进行自动开机处理。
脚本监控的截图如下。后期会对脚本进行拆分，划分为多个模块。例如温度监控模块、开关机模块、日志模块、统计报表模块，基于这个基础上，可以很容易开发一个集群监控系统，通过Web或者桌面App的形式来展示集群的历史信息，从而实现集群的科学管理。
