数据集概述
本数据集包含用于生成GB200系统可靠性扫描图表（图6）的模拟数据及Python绘图脚本。核心内容围绕平均故障时间、平均修复时间和GPU请求数量等参数的扫描结果展开，共涉及二百七十次模拟，为分析计算系统可靠性提供数据支持。
文件详解
- 数据文件（.npy格式，共8个）：
- allocation_sizes.npy：存储GPU分配数量数组（如72、68等）
- mttf.npy：存储平均故障时间数组（单位：天）
- mttr.npy：存储平均修复时间数组（单位：天）
- disabled_gpus.npy、vms_completed.npy、training_utilization.npy、time_frac.npy、vms_interrupted.npy：补充性模拟结果数据
- 图表文件：
- clusterscan_scan.png：预生成的可靠性扫描结果图表
- 脚本文件：
- cluster_scan.py：Python绘图脚本（需设置run_simulations=False，仅用于绘图）
适用场景
- 计算系统可靠性分析：研究GPU分配规模对系统故障恢复能力的影响
- 高性能计算资源优化：评估不同硬件配置下的任务完成效率与中断风险
- 系统运维策略制定：基于故障时间参数优化设备维护周期
- 学术研究可视化：复现或扩展计算系统可靠性相关研究的图表结果
