GPUクラスタ
よみ：じーぴーゆーくらすた
多数のGPUノードを高速ネットワークで接続した計算基盤。大規模AI学習やシミュレーションを短時間で処理するためのインフラ。
GPUクラスタの構成要素
GPUクラスタは、複数のGPUノードと高速ネットワーク、
ストレージ、スケジューラ（ジョブ管理システム）などから構成されます。
特にAI学習や大規模シミュレーションでは、数百GPU規模にスケールすることもあり、
電源・冷却・配線・ラックレイアウトを含めたインフラ設計そのものが性能と可用性を左右します。
電源BCPの観点から見たGPUクラスタ
GPUクラスタは「一部のノードが落ちてもジョブが継続できる」設計が理想ですが、 現実には電源系のトラブルがファブリック全体に波及し、ジョブが全滅するケースもあります。 そのため、以下のような対策が重要になります。
- ノード単位・ラック単位でのDC-UPS（二重化）
- ORing・MOSFETによる給電系統の冗長化
- SNMPによる電源装置／PDUの状態監視とアラート連携
- InfiniBandファブリックスイッチの電源二重化・冗長構成