O que é a MACHOSFERA na Unicamp
A MACHOSFERA é uma infraestrutura de computação de alto desempenho associada ao Instituto de Computação da Unicamp. Ela funciona como um conjunto de recursos de processamento distribuído voltado para pesquisas acadêmicas, principalmente em áreas que demandam simulações numéricas, processamento paralelo e análise de grandes volumes de dados. O nome remete à ideia de uma "esfera computacional" onde múltiplos nós de processamento trabalham de forma coordenada. Não é um serviço público aberto. O acesso é restrito a pesquisadores e estudantes vinculados à universidade, com credenciais institucionais. A fila de requisições costuma ser longa nos períodos de entrega de trabalhos de conclusão e campanhas de medição de grupos de pesquisa maiores.
Como acessar e configurar o machosfera unicamp
O primeiro passo é ter um usuário institucional ativo na rede da Unicamp. Sem credenciais da DGICT ou do próprio IC, não adianta tentar. A maioria das pessoas já trava nessa etapa e perde tempo reclamando que o gateway não responde. Resposta simples: conta inativa ou certificado SSL vencido, comuns em contas de ex-bolsistas que esqueceram de renovar. Depois de autenticado, o acesso é feito via SSH para os nós de login. O comando padrão é:
ssh seu_usuario@machosfera.ic.unicamp.br A partir daí, você usa o sistema de fila (geralmente Slurm, mas depende da configuração do momento) para submeter jobs. O arquivo de submissão típico pede variáveis como tempo máximo, número de núcleos, memória e o comando de execução. Configure isso antes de rodar, porque job que estoura o limite de tempo é finalizado sem output, e você volta para zero.
Um problema prático que eu encontrei várias vezes: scripts Python que funcionam perfeitamente em nó individual travam quando solicitam muitos processos filhos simultâneos. O scheduler impõe limites de processos por usuário que nem estão no manual publicado. A solução foi reduzir o número de workers e adicionar um sleep entre lotes de processamento. Ganhei tempo de wall-clock, mas o job rodou até o fim em vez de ser morto pelo sistema.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Arquitetura e funcionalidades na prática
A infraestrutura é composta por nós de login, nós de cálculo com diferentes configurações de CPU e GPU, e sistemas de arquivos compartilhados. Os nós de login servem apenas para preparação de jobs e edição de código. Rodar computação pesada neles viola as regras de uso e sua conta pode ser suspensa rapidamente. O sistema de arquivos compartilhado é normalmente montado via NFS. Isso significa que qualquer modificação em um nó é visível em todos os outros, o que é conveniente para colaboração mas introduz um gargalo conhecido: operações de I/O em redes com muitos usuários concorrentes ficam lentas. Eu percebi isso quando um script de leitura em lote de arquivos pequenos levou 40 minutos só na fase de abertura de conexões, enquanto a computação em si levaria segundos. A solução foi empacotar os dados em um único arquivo grande antes de processar.
Outro detalhe importante: variáveis de ambiente como paths para bibliotecas compiladas nem sempre são herdadas corretamente ao subir para um nó de cálculo. Já vi jobs falharem porque o ambiente do usuário de login tinha PATHs customizados que o nó de execução simplesmente ignorava. Sempre verifique com env dentro do job submetido, nunca confie no que funciona no nó de login.
Limitações e armadilhas conhecidas
A MACHOSFERA tem restrições que não são óbvias para quem está começando. O tempo máximo de job em modo batch costuma variar entre 24 e 72 horas dependendo do tipo de requisição. Jobs mais longos precisam de aprovação especial. Quem não percebe isso perde horas de simulação de madrugada e precisa refazer tudo. O uso de GPU é limitado e sujeito a cota por usuário. Solicitar mais GPUs do que a cota permite resulta em rejeição imediata da submissão, sem aviso prévio no arquivo de configuração. A cota também não é permanentemente estável — muda conforme a demanda do período letivo.
Para trabalhos que exigem paralelismo massivo com comunicação intensa entre processos, a latência de rede entre os nós pode se tornar um fator limitante sério. Benchmarks de MPI mostram quedas de desempenho expressivas quando se ultrapassa certo número de nós em tarefas com troca frequente de mensagens. Nesses casos, dividir o trabalho em jobs menores e mais independentes costuma ser mais eficiente do que tentar um job gigante único. Se o seu projeto não se encaixa no modelo de filas batch ou exige interação contínua com os nós de cálculo, talvez o uso de instâncias em nuvem (AWS, Google Cloud) seja mais adequado. A MACHOSFERA brilha em trabajos científicos com perfil previsível de CPU e I/O moderado, não em ambientes interativos ou de baixa latência exigente.
Documentação oficial e status de disponibilidade dos serviços podem ser consultados no portal interno da DGICT da Unicamp. Os endereços e procedimentos mudam ocasionalmente, então verifique sempre a versão mais recente antes de começar qualquer configuração.
