当前,超级计算机已广泛应用于石油勘探、航空航天、生物医药、气候气象、海洋模拟、新能源新材料和基础科学等众多应用领域,成为科技创新的重要工具。超级计算机的资源使用有免费模式和付费用使用两种模式,在免费模式中,用户可在资源申请通过审核后,免费模式计算机资源;在付费模式中,用户需要签订商务合同,付费模式。在付费模式下,用户的作业提交行为、作业运行特征和服务公平性要求等均与免费模式有显著的不同,无法直接采用针对免费模式的已有资源调度研究成果,这大幅降低了付费模式下超级计算机资源的使用效率,已成为亟待解决的挑战性问题。超级计算机资源调度策略的实际效果严重依赖于对用户行为和负载特征的精确分析。由于当前缺乏对付费模式下超级计算机资源管理相关问题的研究,针对该问题,本文首先收集了两台典型付费模式的超级计算机“天河一号”七年和曙光5000A近两年的作业数据,利用统计和聚类分析等分析手段,研究了用户行为的周期性规律,与作业相关变量、服务类型的关系,首次提出了配额约束等待时间的概念,研究了其与作业运行时间、计算规模、响应时间的相互关系。通过深入分析,本文揭示了付费模式下超级计算机的典型用户行为与负载特征,发现了一系列与之前相关研究不同的结论,具体包括:(1)用户行为并不受作业运行时间、等待时间影响;(2)用户思考时间与作业的核数、消耗的机时正相关;(3)用户行为与服务类型相关;(4)在作业等待时间中,配额约束等待时间占主要成分;(5)传统的资源调度策略无法有效降低作业等待时间,等。以上研究成果可为付费模式下研究超级计算机资源调度策略优化提供依据。在付费模式下,超级计算机为保证服务公平性广泛采用了配额约束机制,该机制限制单一用户过多使用计算资源,但是,这也导致空闲资源无法及时分配给排队的配额约束作业,影响资源利用率。针对该问题,本文提出了一种兼顾公平性和效率的资源调度优化策略,通过所提出的条件触发机制,确保了配额内作业的资源使用优先性,同时利用灵活的自适应空闲资源上限策略和长周期公平性策略,在保证服务公平性的基础上,有效地提升了整体资源利用率。基于天河一号真实作业数据的模拟分析显示,资源利用率由85%提升至96%,接近没有配额约束限制条件下的理想值97%,同时公平因子仅从原来的0.57降低至0.51,远高于没有配约束机制的0.26。为进一步提升资源使用率,超级计算机广泛采用了回填调度策略。该策略基于作业的预期运行时间,在长作业等待资源时调度短作业优先运行。然而,在付费模式下,超级计算机的应用领域多样化,运行程序种类繁多,并且安全性和隐私性的要求导致无法获取作业运行的具体参数,因而对作业运行时间的预测难度更大,导致回填调度的效果不佳。针对该问题,本文提出了一种基于运行时监控的作业运行时间分类预测方法,通过结合作业的历史运行日志与当前运行时的监控信息,利用梯度提升决策树算法和深度神经网络进行分类和回归预测,在新作业开始运行5分钟内,即可以预测其运行总时间分类,预测准确率达84.4%。特别是针对8小时以上的作业,F1Score均超过了72%,高于相似性作业Last2预测的48%。