Ce projet centralise des images Singularity/Apptainer destinées à des tests d'intégration continue sur la plateforme JeanZay. Les images, converties depuis des images Docker, intègrent des dépendances essentielles comme HDF5, NetCDF, parmetis et XIOS. Elles sont optimisées pour fonctionner avec différents compilateurs (GNU, Intel, NVidia) et architectures (CPU, GPU), facilitant ainsi la reproductibilité des tests dans un environnement de calcul haute performance.

Ce projet propose des ressources pédagogiques pour maîtriser les bases du calcul haute performance (HPC). Il couvre l'utilisation des superordinateurs, l'optimisation de code, le profilage de performances et le déverminage. Des exercices pratiques et des tutoriels détaillés accompagnent les apprenants dans la compréhension des outils comme Slurm, Guix ou LIKWID. Destiné aux débutants comme aux utilisateurs intermédiaires, il s'appuie sur des cas concrets pour faciliter l'apprentissage des bonnes pratiques en environnement HPC.

Ce projet fournit un kit de développement pour optimiser et accélérer les applications haute performance (HPC) sous CentOS 7. Il inclut des outils et bibliothèques pour faciliter l'intégration d'APIs, améliorer les performances des calculs intensifs et simplifier le déploiement dans des environnements de calcul scientifique ou industriel.

Ce dépôt centralise les recettes de compilation (packages) pour Spack, un gestionnaire de paquets dédié aux environnements de calcul haute performance (HPC). Il permet aux équipes comme celle du CEA-HPC de partager et maintenir des configurations logicielles optimisées pour les supercalculateurs. Les utilisateurs peuvent ainsi facilement intégrer ces paquets dans leurs environnements Spack pour accélérer le déploiement de logiciels scientifiques.

Ce projet propose une formation spécialisée pour maîtriser l'utilisation de Python dans le domaine du calcul haute performance (HPC). Il couvre les techniques d'optimisation, de profilage et de parallélisation pour exploiter pleinement les capacités des infrastructures de calcul intensif. Destiné aux chercheurs et ingénieurs, il inclut des modules pratiques sur les bibliothèques scientifiques et le déploiement sur des environnements HPC.

Ce dépôt centralise des tests dédiés aux infrastructures de calcul haute performance (HPC) gérées par le CINES. Il permet d'évaluer les performances, la fiabilité et la stabilité des systèmes HPC à travers des scripts de test couvrant la mémoire, les entrées/sorties, les communications réseau et la gestion des jobs. Ces tests sont conçus pour valider et optimiser les environnements de calcul scientifique utilisés par la communauté académique et de recherche en France.

Scalatrace est un outil dédié à l'analyse et à la simulation de performances pour les applications parallèles et distribuées. Il permet de capturer des traces d'exécution détaillées (temps écoulé, nombre d'instructions) lors de l'exécution de benchmarks HPC ou d'applications scientifiques. Ces traces peuvent ensuite être réutilisées pour simuler ou optimiser les performances sur différents environnements matériels, facilitant ainsi l'évaluation et l'amélioration des infrastructures de calcul haute performance.

Ce projet développe des outils pour le calcul scientifique parallèle utilisant MPI, notamment pour le traitement de données via FFTW3 et la gestion de fichiers en parallèle. Il inclut des bibliothèques pour l'écriture et la lecture de grands jeux de données, ainsi que des méthodes de compression adaptées aux environnements haute performance. Les applications visent à optimiser les performances des calculs intensifs dans des contextes de recherche ou d'ingénierie.

App Slurm est un environnement dédié à la gestion et à l'optimisation des serveurs Slurm, une solution open source pour l'ordonnancement de tâches dans les environnements de calcul haute performance (HPC). Il facilite la configuration et l'administration des ressources pour les calculs scientifiques et techniques.

Ce projet automatise le benchmarking des performances des environnements HPC basés sur Guix, notamment pour les clusters comme Plafrim. Il exécute des tests de bande passante MPI entre nœuds, compare différentes configurations (MPI, réseaux) et stocke les résultats dans une base de données. Les données sont ensuite analysées pour détecter des régressions et visualisées sous forme de graphiques. L'objectif est d'optimiser les performances des infrastructures de calcul haute performance.