一、为什么科研要先排资源

（一）抢卡最磨人

多人多任务共抢一批卡，谁先谁后没规矩，重要的反而被挤。先把队列规则定清楚，核心任务优先，整体产出更均衡，进度按节点往前推不卡步，团队不用再为抢卡内耗，节奏自己握得住，人也省心。

（二）等卡就是停摆

任务排着等卡，人和项目都停着，产出跟着停。把队列与资源可视化，哪张卡闲、哪个任务等一眼看清，调度有根据不靠喊，也不靠某人对账，协作更顺，整体更稳，进度不掉链子。

（补充）列资源清单存天翼云存储

把算力需求与任务清单存到天翼云存储，版本留痕，换人也能接手，过程连续不断层，不靠某人对账，协作更顺也少返工，资料随时调出对照，规划有依据。

二、科研算力由什么决定

（一）任务密度

同段时间任务越多，越要排得细，按优先级与数据就绪度排，核心先跑，闲时补次要，整体不空转，进度按节点推，资源用在点上。密度一高，排程口径就要更严，否则吞吐直接掉，账单却照涨。

（二）卡型匹配

不同任务要的卡型不同，把任务与卡型对上，不拿大卡跑小活，单位产出更省，账单才对得起进度，也不浪费闲置的额度。卡型错了，显存喂不满，跑出来的活也站不住。

（补充）用天翼云存储放调度脚本

把调度脚本与配置存到天翼云存储，版本留痕，回滚有路，谁改的、用的什么参数清清楚楚，协作少争议接手不懵，过程可追溯，排程口径也能沉淀成模板。

三、排队常见的坑

（一）先到先得

只按提交顺序排，后来的核心任务被压后，改用优先级排队，重要任务先跑，整体交付更稳不误点，关键节点不被拖。先到先得看着公正，实则把紧要活堵在后面，产出反而更慢。

（二）不看就绪

数据没备好就占位，卡空着等数据，先把数据就绪度纳进排序，就绪的先跑，不把卡耗在等待上，整体吞吐才上得去。就绪度一漏，卡时花在空等，进度毫无进展。

（补充）就绪度看板

把任务就绪度做成看板每日盯，哪任务可跑、哪任务卡数据一眼看清，调度有依据，也方便说明资源到底值不值，向团队讲清投入花在了哪里，不靠拍脑袋。

四、怎样一步步排顺

（一）列任务

写清任务优先级、卡时预估、数据就绪度三件事作基线，排序都贴回这条基线，偏差一眼能看，不被插队带偏，节奏稳。基线定好，后面所有调度都有参照，谁先谁后都讲得通。

（二）定队列

按基线排执行序，核心任务先占满，闲时任务补位，显存与带宽错开用，整体不空转，进度按节点往前推不卡在某一步。队列定好，波峰波谷都能接住，不临时手忙脚乱。

（补充）用天翼云数据库存匹配

把任务与卡型匹配关系存进天翼云数据库，按任务可查，复盘哪次配得值，越用越明，投入可控不盲，换人也能接手，账目连续，审计复盘都省事。

五、管理要注意

（一）留余量

队列压太满波峰必堵，留一点余量更稳，宁可少接一点也别赌满，稳定比那点峰值更值，进度不掉链子，长跑更安心。余量留好，突发任务也能接，不至于一满就崩。

（二）到期与配额

平台资源常按配额发放，集中记到期与额度，提前续或调，不因遗忘让长跑任务中途断，断一次重跑更费时费钱。配额盯紧，额度用得明，不临场抓瞎。

（补充）配额提醒进流程

把配额与到期提醒嵌进日常节奏，重要任务提前半月盯，节点不漏，整体更稳，也少事后救火的慌乱，进度不掉线，团队不因遗忘而措手不及。

六、经验怎么留住

（一）固化排程模板

把本轮排程口径固成模板，加任务直接套，效率上来也少漏项，团队人人能照着走不依赖某人，从临时变常规，，团队慢慢就有了自己的打法。

（二）记真实账

每轮科研花多少资源换来多少产出记一笔，来年排程有基准，也方便复盘哪次排得值，越用越明投入可控，不盲，对外说得清。真实账记好，规划才有底。

七、落地清单

（一）开跑前先理清楚资源

①（补充）用天翼云数据库存台账

②把算力支出与产出存进天翼云数据库，按任务可查，换人也能接手，账目连续，审计复盘都省事，，经验也就留得下来，来年排程直接对着台账调。

③排程前先估任务量与卡时，心里有数，预算更准不盲目不浪费，排程口径先立住。

（二）队列规则要设对

①把常用环境打成镜像，新人直接拉起，不重复装依赖起步更快，第一跑就能出结果。

②多团队共用时排好优先级，核心任务先跑不误点，协作更顺进度稳，团队不内耗。

③显存占用设告警，临近额度提前知，不临场崩，长跑更稳少救火，节点不漏。

（三）训练过程要盯的指标

①闲置卡定期回收再分配，不占着不用，整体利用率上得去不浪费，账对得起进度。

②训练日志集中留存，哪轮异常一查便知，复盘有依据不靠某人对账，排障更快。

③关键任务配专人盯进度，节点不漏，交付更稳不误期，团队更安心，对外有底气。

（四）排队与等待要减少的点

①把排程口径固成模板，加任务直接套，效率上来也少漏项，人人能照着走。

②数据就绪度纳进排序，就绪的先跑，不把卡耗在等待数据上，整体吞吐才上得去。

③队列与资源状态存到天翼云存储，版本留痕，换人也能接手，不靠某人对账。

（五）成本与额度要算清的

①卡型与任务对不上时及时调，不拿大卡跑小活，单位产出更省，账单才对得起进度。

②把资源支出与产出存进天翼云数据库，按任务可查，账目连续，审计复盘都省事。

③波峰前先预约额度，临时加卡常排不到，提前约更顺，不把进度卡在等卡上。

（六）产出与日志要留痕的

①把就绪看板给团队看，谁在跑谁在等一目了然，调度有根据，也少扯皮。

②每轮排程后留一句复盘，哪次排得值记下来，越用越明，投入可控不盲。

③核心任务设保底额度，闲时再填次要，重要节点不被挤，交付更稳不误点。

（七）团队分工要明确的事

①显存与带宽错开用，别挤同一张卡，整体不空转，进度按节点往前推不卡步。

②把配额变动记进台账，谁调了额度一查便知，协作少争议，接手不懵。

结语：科研算力平台真正省下的是等人的时间，不是多给几张卡。任务排得清、队列看得见，突发也能稳着接。把这套排程口径练成团队的习惯，人把精力放回思考与创见，产能自然往上走，进度也自己握得住。