面向高性能计算与人工智能融合场景， 提供高性能、高可用、智能化的作业调度解决方案
高性能计算（HPC）+ 智能计算（AI）+ 高通量计算（HTC）三合一，彻底打破资源孤岛，实现存储、算力、使用模式一体化
六大核心优势，让您的算力调度更高效、更智能、更安全
调度性能较传统系统提升5-20倍，支持每秒万级任务调度，百万级并发任务处理，满足超大规模集群需求
统一调度传统HPC作业与AI训练/推理任务，一套系统管理超算与智算，无需部署多套调度平台
全面支持 X86、ARM、RISC-V 等处理器架构，兼容 NVIDIA、华为昇腾等多种加速卡，适配信创生态
自研 ORA （CCF rank B）和 TSMF（CCF rank B） 作业预测算法，实现智能回填、公平共享、抢占调度等高级特性
提供 Slurm/LSF 命令封装层，用户无需修改脚本即可平滑迁移，学习成本极低
基于 AGPLv3 协议开源，代码透明可审计，支持社区共建，提供商业支持与定制化服务
覆盖作业调度全流程的丰富功能，满足多样化计算场景需求
原生支持容器化作业调度，集成 Docker/Singularity，简化AI训练环境管理
智能功耗管理策略，空闲节点自动休眠，按需唤醒，显著降低集群能耗成本
基于 ORA 算法预测作业运行时间与资源需求，优化调度决策与资源分配
Backfill 算法自动填充空闲资源，最大化集群利用率，减少排队等待时间
支持提前预约计算资源，保障关键任务按时执行，适合科研项目与教学场景
支持高优先级作业抢占低优先级作业，灵活配置抢占策略与恢复机制
Fair-Share 策略确保多租户环境下资源公平分配，支持多级优先级与账户配额管理
RBAC 权限管理、通信加密、操作审计，确保多租户环境下的安全隔离
覆盖超算、AI、工业仿真、芯片设计等多元计算场景
面向 CFD、气候模拟、分子动力学等传统高性能计算场景，提供高效的MPI并行作业调度与资源管理能力。
原生支持 GPU/NPU 资源调度，适配 PyTorch、TensorFlow 等主流框架的分布式训练任务。
针对 EDA 工具特点优化调度策略，支持 License 感知调度与长时间运行任务管理。
支持 ANSYS、ABAQUS 等主流工业仿真软件，提供高效的求解器调度与协同计算能力。
支持远程可视化与交互式计算任务，满足科研数据分析与可视化展示需求。
全面适配国产处理器与加速卡生态，助力信创环境下的高性能计算平台建设。
五大核心价值，全面赋能算力基础设施建设
算力、存储、数据资源池化统一管理，打破超算与智算资源孤岛，一套集群满足所有计算场景
一套系统同时调度 HPC、HTC 与 AI 作业，替代 Slurm/LSF + K8S 多平台方案，简化运维
较 Slurm 性能提升 5-20 倍，万级 TPS 吞吐、百万级并发，自研 ORA/TSMF 智能预测算法
全面支持 x86/ARM/RISC-V 架构，兼容昇腾、鲲鹏、麒麟等国产软硬件生态
已在全国 8 省 10+ 计算中心部署，覆盖高校超算、芯片设计、AI 训练等多元场景
与传统调度系统全面对比，鹤思（CraneSched）调度系统优势一目了然
| 功能特性 | CraneSched | Slurm | LSF | K8S |
|---|---|---|---|---|
| 国籍 | 国产自研 | 美国 | 美国 | 美国主导 |
| 国产生态兼容 | ✓ | 原生不兼容 | 原生不兼容 | 原生不兼容 |
| 异构架构支持 (X86/ARM/RISC-V) | ✓ | 部分 | 部分 | 部分 |
| 超算·智算融合调度 | ✓ | ✗ | ✗ | ✗ |
| 容器编排 | ✓ | 插件 | 插件 | ✓ |
| 容器组网隔离 | ✓ | ✗ | ✗ | ✓ |
| 用户映射（超智算存储共享） | ✓ | ✗ | ✗ | ✗ |
| 回填调度 (Backfill) | ✓ | ✓ | ✓ | ✗ |
| 公平共享分配 (Fair-Share) | ✓ | ✓ | ✓ | 部分 |
| 作业抢占 (Preemption) | ✓ | ✓ | ✓ | ✓ |
| 资源预约 (Reservation) | ✓ | ✓ | ✓ | ✗ |
| 节能管理 (Power-Saving) | ✓ | ✓ | 部分 | 部分 |
| AI 作业预测 (ORA) | ✓ | ✗ | ✗ | ✗ |
| Slurm/LSF 命令兼容 | ✓ | - | - | ✗ |
| 开源协议 | AGPLv3 | GPLv2 | 商业闭源 | Apache 2.0 |
企业级安全架构，多层防护确保集群安全运行
广泛的平台与硬件兼容性，覆盖主流技术栈
已在全国 8 省 10+ 计算中心成功部署，服务数万科研用户
鹤思目前纳管北京大学未名教学二号和卓越中心集群等校级集群，支撑全校师生科研任务，支持大数据、生物医药设计、电池材料研究、医学大模型等科研场景。
自 2024 年起，某芯片设计公司（约 200 人规模）引入了 "鹤思 + SCOW"一体化解决方案管理其新建集群。该方案不仅成功解决了旧有商业软件因资源管控机制不合理而导致的作业异常退出问题，还通过深度适配主流 EDA 工具，为各类芯片设计任务提供了精准、高效的支持。
联系我们获取 CraneSched 技术方案与商业支持