FAS Research Computing - அறிவிப்பு வரலாறு

பகுதி செயல்திறன் குறைவை எதிர்கொள்கிறது

Status page for the Harvard FAS Research Computing cluster and other resources.

Cluster Utilization (VPN and FASRC login required): Cannon | FASSE


Please scroll down to see details on any Incidents or maintenance notices.
Monthly maintenance occurs on the first Monday of the month (except holidays).

GETTING HELP
Documentation: https://docs.rc.fas.harvard.edu | Account Portal https://portal.rc.fas.harvard.edu
Email: rchelp@rc.fas.harvard.edu | Support Hours

The colors shown in the bars below were chosen to increase visibility for color-blind visitors.
For higher contrast, switch to light mode at the bottom of this page if the background is dark and colors are muted.
செயல்திறன் குறைந்துள்ளது

SLURM Scheduler - Cannon - செயல்திறன் குறைந்துள்ளது

Cannon Compute Cluster (Holyoke) - செயல்திறன் குறைந்துள்ளது

Boston Compute Nodes - செயல்திறன் குறைந்துள்ளது

GPU nodes (Holyoke) - செயல்திறன் குறைந்துள்ளது

seas_compute - செயல்திறன் குறைந்துள்ளது

இயங்குகிறது

SLURM Scheduler - FASSE - இயங்குகிறது

FASSE Compute Cluster (Holyoke) - இயங்குகிறது

இயங்குகிறது

Kempner Cluster CPU - இயங்குகிறது

Kempner Cluster GPU - இயங்குகிறது

இயங்குகிறது

FASSE login nodes - இயங்குகிறது

இயங்குகிறது

Cannon Open OnDemand - இயங்குகிறது

FASSE Open OnDemand - இயங்குகிறது

இயங்குகிறது

Netscratch (Global Scratch) - இயங்குகிறது

Home Directory Storage - Boston - இயங்குகிறது

Tape - (Tier 3) - இயங்குகிறது

Holylabs - இயங்குகிறது

Isilon Storage Holyoke (Tier 1) - இயங்குகிறது

Holystore01 (Tier 0) - இயங்குகிறது

HolyLFS04 (Tier 0) - இயங்குகிறது

HolyLFS05 (Tier 0) - இயங்குகிறது

HolyLFS06 (Tier 0) - இயங்குகிறது

Holyoke Tier 2 NFS (new) - இயங்குகிறது

Holyoke Specialty Storage - இயங்குகிறது

holECS - இயங்குகிறது

Isilon Storage Boston (Tier 1) - இயங்குகிறது

BosLFS02 (Tier 0) - இயங்குகிறது

Boston Tier 2 NFS (new) - இயங்குகிறது

CEPH Storage Boston (Tier 2) - இயங்குகிறது

Boston Specialty Storage - இயங்குகிறது

bosECS - இயங்குகிறது

Samba Cluster - இயங்குகிறது

Globus Data Transfer - இயங்குகிறது

அறிவிப்பு வரலாறு

மார். 2024

Internet acces to Holyoke interrupted 7:30-8am
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது
    There was a brief disruption in the connectivity from MGHPCC to the outside world/Internet. During this period outside attempts to connect to services hosted in Holyoke would time out. Internal data center network remained normal and no jobs were affected.
holylabs instability
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    After making some hardware and network changes, we monitored holylabs yesterday and overnight and have determined that it is stable again.

    We will continue to monitor but currently believe this issue has been resolved.

  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    Holylabs was again unstable over the weekend. We are actively working this issue and will update as soon as possible.

  • புதுப்பிப்பு
    புதுப்பிப்பு

    Holylabs locked up again overnight. We are investigating.

  • கண்காணிக்கப்படுகிறது
    கண்காணிக்கப்படுகிறது

    Holylabs became stuck overnight and was restarted. It is back up and we are monitoring.

holyscratch01 performance degraded
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    holyscratch01 is currently stable. However, it continues to be under heavy utilization as a matter of course due to job loads.

    There is a plan underway to replace holyscratch01, but no ETA at this time as we are still qualifying and planning purchasing. We will notify the community when an ETA is known. Until then please be aware that load on scratch may continue along this trend. Thanks for your understanding.

  • கண்காணிக்கப்படுகிறது
    கண்காணிக்கப்படுகிறது

    Performance has improved, but we are still monitoring some high loads across object storage units.

  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    holyscratch01 performance degraded

    We are currently investigating this incident.

RC Ticket System and other VMs Offline - Expect Delays, emails will be delivered eventually
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    VMs are returning to operation. If you receive an error (on Portal, Coldfront, etc) please wait a few minutes and try again.

    Ticket system is online and starting to receive delayed emails.

  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    The RT ticket system is currently offline due to a VM issue.

    Any emails sent to the ticket system will eventually be delivered once it recovers, but until then expect delayed response.

FASRC maintenance update - All jobs requeued (Cannon and FASSE)
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது
    This incident has been resolved.
  • கண்காணிக்கப்படுகிறது
    கண்காணிக்கப்படுகிறது

    Informational Notice

    The Slurm upgrade to 23.11.4 was completed successfully during maintenance. However a complication with the automation of Slurm's cryptographic keys occurred during the upgrade which caused nodes to lose the ability to talk to the Slurm master. The Slurm master therefore viewed those nodes as down and requeued their jobs.

    All jobs on Cannon and FASSE were requeued.

    This is deeply regrettable but the chain of events which caused this could not be foreseen.

    To check the status of your jobs, see the common Slurm commands at:

    https://docs.rc.fas.harvard.edu/kb/convenient-slurm-commands/#Information_on_jobs

    FAS Research Computing

    https://docs.rc.fas.harvard.edu/

    rchelp@rc.fas.harvard.edu

பிப். 2024

Ceph instability - Affects Boston VMs (Virtual Machines) and Tier2 Ceph shares
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    The Ceph instability has been resolved. Ceph Tier2 shares, VDI, and VMs should be back to their normal state.

    If your VM, /net/fs-[labname] share, or VDI session is still impacted, please contact rchelp@rc.fas.harvard.edu

  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    The infrastructure behind Tier2 Ceph shares and VMs is unstable.
    This also affects VDI/OOD which relies on virtual machines.

    /net/fs-[labname] shares, new OOD/VDI sessions, and VMs are affected and may will be inaccessible until this is resolved.

    Thanks for your patience.

holyscratch01 performance
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    This incident has been resolved.

  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    holyscratch01 is experiencing high load. Performance may be delayed.

    OOD is also affected as a result of this.

    We are currently investigating this incident.

All Cluster nodes down or draining
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    Clusters are back in production status. We will continue to monitor for any aberrant behavior, but this incident has been resolved.

  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    I spoke too soon, partial recovery, I'll update here when we are sure everything is back in production, apologies.

  • கண்காணிக்கப்படுகிறது
    கண்காணிக்கப்படுகிறது

    All cannon nodes are back in service and slurm is resuming jobs, fasse is coming back up as well, we will monitor the situation, but anticipate a return to full normal operations shortly.

  • புதுப்பிப்பு
    புதுப்பிப்பு

    The nodes are coming back into normal service, we anticipate this to be fairly quick

  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    slurm is operational, jobs are idled and should resume as normal

  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    We are currently investigating this incident. We will update here as we can

BOSLFS02 Instability
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது
    This incident has been resolved.
  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    Boslfs02 (/n/boslfs02) is currently experiencing instability.

    We are working on the issue and will update this incident as the situation progresses.

boslffs instability
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது
    This incident has been resolved.
  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    We are working on a fix for this incident.

ஜன. 2024

fasselogin nodes down
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    fasselogin machines are back in service

  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    We have identified the underlying issue and are working on fixing the FASSE login nodes. In the meantime, please use FASSE VDI. Updates to come.

  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    fasselogin01/02 are currently down. We are investigating this incident.

Ceph instability - Affects Boston VMs (Virtual Machines) and Tier2 Ceph shares
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    The Ceph instability has been resolved. Ceph Tier2 shares, VDI, and VMs should be back to their normal state.

    If your VM, /net/fs-[labname] share, or VDI session is still impacted, please contact rchelp@rc.fas.harvard.edu

  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    The infrastructure behind Tier2 Ceph shares and VMs is unstable.
    This also affects VDI/OOD which relies on virtual machines.

    /net/fs-[labname] shares, new OOD/VDI sessions, and VMs are affected and may will be inaccessible until this is resolved.

    Thanks for your patience.

Ceph instability - Affects Boston VMs (Virtual Machines) and Tier2 Ceph shares
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    The Ceph instability has been resolved. Ceph Tier2 shares, VDI, and VMs should be back to their normal state.

    If your VM, /net/fs-[labname] share, or VDI session is still impacted, please contact rchelp@rc.fas.harvard.edu

  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    The infrastructure behind Tier2 Ceph shares and VMs is unstable.
    This also affects VDI/OOD which relies on virtual machines.

    /net/fs-[labname] shares, new OOD/VDI sessions, and VMs are affected and may will be inaccessible until this is resolved.

    Thanks for your patience.

Coldfront timeout
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    Coldfront is accessible again. Thanks for your patience so that would could investigate further. We've added new logging to have a better view into this should it happen again.

  • விசாரிக்கப்படுகிறது
    விசாரிக்கப்படுகிறது

    Coldfront is currently up but inaccessible. Login attempts will result in a timeout/proxy error.
    We would like time to gather forensics to sort out why this is happening before restarting the service.

    If you need to access Coldfront, please try again later today.

Ceph instability - Affects Boston VMs (Virtual Machines) and Tier2 Ceph shares
  • தீர்க்கப்பட்டது
    தீர்க்கப்பட்டது

    The Ceph instability has been resolved. Ceph Tier2 shares, VDI, and VMs should be back to their normal state.

    If your VM, /net/fs-[labname] share, or VDI session is still impacted, please contact rchelp@rc.fas.harvard.edu

  • அடையாளம் காணப்பட்டது
    அடையாளம் காணப்பட்டது

    The infrastructure behind Tier2 Ceph shares and VMs is unstable.
    This also affects VDI/OOD which relies on virtual machines.

    /net/fs-[labname] shares, new OOD/VDI sessions, and VMs are affected and may will be inaccessible until this is resolved.

    Thanks for your patience.

ஜன. 2024 வரை மார். 2024

அடுத்து

For issues not shown here, please contact FASRC via
https://portal.rc.fas.harvard.edu or email rchelp@rc.fas.harvard.edu