分层配额显存共享方案：RTX4090运行ChatGLM2/3双模型，显存池化应用实践.194
本文提出显存池化分片调度技术，解决单张RTX4090（24GB）无法同时运行ChatGLM2-6B与ChatGLM3-6B的难题。通过将显存切分为64MB Chunk，划分“保底锁定”（承载权重，不可抢占）与“弹性共享”（承载KV缓存，可抢占回收）双区，并引入优先级抢占、后台碎片合并与统一适配封装，实现两模型逻辑隔离、物理共用，显存利用率提升超50%，无需额外购卡。
聚搜云运维团队：HPC 集群云上迁移 数据调度作业实操详解
去年下半年，一家做分子模拟的创业团队发现，本地集群的排队时间从2小时拉长到8小时，而补一组节点需要审批、采购、上架，三个月起步。他们的故事不是孤例：当算力直逼物理极限，越来越多的研究机构和制造企业开始重新审视本地 HPC 的经济性。这份传统HPC集群迁移上云指南，正是为这类决策者准备的一份实操参照，而不是一张软硬件采购清单。
聚搜云运维团队：阿里云E-HPC作业报错日志节点排查技巧
阿里云E-HPC作业失败的原因很少藏在应用代码里，更多是调度层与节点层的配合出了问题。一台上百核的集群上，一次OOM、一个错误的分区配置、甚至一条被忽略的Event通知，都能让作业在Slurm队列里无声卡死或直接CANCELLED。要把排查从“碰运气”变成有章可循的方法，得先理解作业在E-HPC里真正经历了什么。
聚搜云专业运维团队：阿里云E-HPC MPI任务集群配置性能实战
阿里云E-HPC把集群调度、MPI运行环境和RDMA网络打包成一项托管服务，研发团队不用从零配置SLURM或编译OpenMPI，就能直接提交并行作业。对于那些跑仿真、做计算化学或者训练中小规模模型、希望把“阿里云E-HPC运行MPI并行任务”这件事变得像提交命令一样简单的团队，这层封装可以大幅缩短从硬件到上线的时间窗口。
