Russian Journal of Information Technology in Sports Russian Journal of Information Technology in Sports Российский журнал информационных технологий в спорте 2949-6349 123638 10.62105/2949-6349-2026-3-2-e202608 wwekim СПОРТИВНОЕ ПРОГРАММИРОВАНИЕ SPORTS PROGRAMMING СПОРТИВНОЕ ПРОГРАММИРОВАНИЕ High-technology computing cluster for artificial intelligence Olympiads Высокотехнологический вычислительный кластер для проведения олимпиад по искусственному интеллекту Халилов Амир Шамилевич Khalilov Amir Shamilevich khalilov.ash@phystech.edu Подлесных Дмитрий Артурович Podlesnyh Dmitriy Arturovich podlesnykh.da@mipt.ru Купцов Дмитрий Алексеевич Kuptsov Dmitry Alekseevich kuptsov.da@phystech.edu Лойко Михаил Алексеевич Loiko Mikhail Alekseevich loiko.ma@phystech.edu Московский физико-технический институт Долгопрудный Россия Moscow Institute of Physics and Technology Dolgoprudny Russian Federation Московский физико-технический институт Россия MIPT Russian Federation Московский физико-технический институт Долгопрудный Россия Moscow Institute of Physics and Technology Dolgoprudny Russian Federation Московский физико-технический институт Долгопрудный Россия Moscow Institute of Physics and Technology Dolgoprudny Russian Federation 21 06 2026 21 06 2026 1 16 18 05 2026 18 06 2026 https://rjits.ru/en/nauka/article/123638/view

Актуальность. Рост популярности соревнований по искусственному интеллекту и машинному обучению, а также увеличение числа участников требуют создания специализированной вычислительной инфраструктуры, обеспечивающей равные условия и изоляцию при работе с графическими ускорителями. Цель исследования. Описать архитектуру и практическую реализацию вычислительного кластера, подготовленного для проведения олимпиад по искусственному интеллекту и машинному обучению. Методы исследования. Анализ требований очного соревнования к изоляции участников, одинаковой программной среде, равномерному распределению графических ускорителей, сохранению пользовательских данных и контролю сетевого доступа. Результаты. Разработано техническое решение на базе RKE2/Kubernetes, NVIDIA A100 с разделением Multi-Instance GPU, персональных JupyterLab-рабочих мест, NFSхранилища, защищенного веб-доступа и мониторинга Prometheus/Grafana. Проектная конфигурация рассчитана на 66 изолированных рабочих мест на 22 рабочих узлах и позволяет назначать каждому участнику отдельный GPU-экземпляр профиля 2g.20gb. Выводы. Предложенная инфраструктура обеспечивает воспроизводимое развертывание и управляемую эксплуатацию среды для массового соревнования по машинному обучению. Новизна кейса состоит в адаптации облачно-нативных средств управления GPU-инфраструктурой к задачам очного финала школьной олимпиады по искусственному интеллекту.

Relevance. The growing popularity of artificial intelligence and machine learning competitions, as well as the increasing number of participants, require specialized computing infrastructure that ensures equal conditions and isolation when working with GPU accelerators. Objective. To describe the architecture and practical implementation of a computing cluster prepared for artificial intelligence and machine learning Olympiads. Research methods. Analysis of the requirements of an onsite competition: participant isolation, identical software environments, equal allocation of GPU accelerators, persistent user data, and controlled network access. Results. The technical solution uses RKE2/Kubernetes, NVIDIA A100 GPUs partitioned with Multi-Instance GPU technology, personal JupyterLab workstations, NFS storage, secure web access, and Prometheus/Grafana monitoring. The target configuration supports 66 isolated workstations on 22 worker nodes and assigns a separate 2g.20gb GPU instance to each participant. Conclusion. The proposed infrastructure provides reproducible deployment and manageable operation of an environment for mass machine learning competitions. The novelty of the case is the adaptation of cloud-native GPU infrastructure management to the tasks of a mass onsite school artificial intelligence Olympiad.

 искусственный интеллект машинное обучение вычислительный кластер Kubernetes RKE2 NVIDIA A100 MIG JupyterLab спортивное программирование олимпиада информационные технологии в спорте artificial intelligence machine learning computing cluster Kubernetes RKE2 NVIDIA A100 MIG JupyterLab competitive programming Olympiad information technology in sports

Всероссийская олимпиада по искусственному интеллекту. Официальный сайт. URL: https://ai.edu.gov.ru/ All-Russian Olympiad in Artificial Intelligence. Official website. (in Russ.) URL: https://ai.edu.gov.ru/ Минпросвещения направлены разъяснения по вопросу об участии в олимпиаде по предметам, в которых предусмотрены профили // КонсультантПлюс. URL: https://www.consultant.ru/law/hotdocs/90793.html Ministry of Education explanations on participation in Olympiad subjects with profiles. ConsultantPlus. (in Russ.) URL: https://www.consultant.ru/law/hotdocs/90793.html Zacharov I., Arslanov R., Gunin M., Stefonishin D., Pavlov S. et al. “Zhores” — Petaflops supercomputer for data-driven modeling, machine learning and artificial intelligence installed in Skolkovo Institute of Science and Technology. Open Engineering, 2019, 9(1), pp. 512–520. https://doi.org/10.1515/eng-2019-0059 Zacharov I., Arslanov R., Gunin M., Stefonishin D., Pavlov S. et al. “Zhores” — Petaflops supercomputer for data-driven modeling, machine learning and artificial intelligence installed in Skolkovo Institute of Science and Technology. Open Engineering, 2019, 9(1), pp. 512–520. https://doi.org/10.1515/eng-2019-0059 Reed D.A., Dongarra J. Exascale computing and big data. Communications of the ACM, 2015, 58(7), pp. 56–68. https://doi.org/10.1145/2699414 Reed D.A., Dongarra J. Exascale computing and big data. Communications of the ACM, 2015, 58(7), pp. 56–68. https://doi.org/10.1145/2699414 Armbrust M., Fox A., Griffith R., Joseph A.D., Katz R., Konwinski A. et al. A view of cloud computing. Communications of the ACM, 2010, 53(4), pp. 50–58. https://doi.org/10.1145/1721654.1721672 Armbrust M., Fox A., Griffith R., Joseph A.D., Katz R., Konwinski A. et al. A view of cloud computing. Communications of the ACM, 2010, 53(4), pp. 50–58. https://doi.org/10.1145/1721654.1721672 Kubernetes Documentation. Production-Grade Container Orchestration. URL: https://kubernetes.io/docs/ Kubernetes Documentation. Production-Grade Container Orchestration. URL: https://kubernetes.io/docs/ JupyterLab Documentation. URL: https://jupyterlab.readthedocs.io/ JupyterLab Documentation. URL: https://jupyterlab.readthedocs.io/ RKE2 Documentation. URL: https://docs.rke2.io/ RKE2 Documentation. URL: https://docs.rke2.io/ Ansible Documentation. URL: https://docs.ansible.com/ Ansible Documentation. URL: https://docs.ansible.com/ NVIDIA. Multi-Instance GPU User Guide. URL: https://docs.nvidia.com/datacenter/tesla/miguser-guide/ NVIDIA. Multi-Instance GPU User Guide. URL: https://docs.nvidia.com/datacenter/tesla/miguser-guide/ NVIDIA. GPU Operator Documentation. URL: https://docs.nvidia.com/datacenter/cloudnative/gpu-operator/latest/ NVIDIA. GPU Operator Documentation. URL: https://docs.nvidia.com/datacenter/cloudnative/gpu-operator/latest/ Kubernetes Documentation. StatefulSets. URL: https://kubernetes.io/docs/concepts/workloads/controll Kubernetes Documentation. StatefulSets. URL: https://kubernetes.io/docs/concepts/workloads/controll Kubernetes Documentation. Persistent Volumes. URL: https://kubernetes.io/docs/concepts/storage/persistent-volumes/ Kubernetes Documentation. Persistent Volumes. URL: https://kubernetes.io/docs/concepts/storage/persistent-volumes/ Jupyter Docker Stacks Documentation. URL: https://jupyter-docker-stacks.readthedocs.io/ Jupyter Docker Stacks Documentation. URL: https://jupyter-docker-stacks.readthedocs.io/ Haynes T., Noveck D. Network File System (NFS) Version 4 Minor Version 1 Protocol, RFC 8881, 2020. https://doi.org/10.17487/RFC8881 Haynes T., Noveck D. Network File System (NFS) Version 4 Minor Version 1 Protocol, RFC 8881, 2020. https://doi.org/10.17487/RFC8881 Kubernetes Documentation. Network Policies. URL: https://kubernetes.io/docs/concepts/servicesnetworking/network-policies/ Kubernetes Documentation. Network Policies. URL: https://kubernetes.io/docs/concepts/servicesnetworking/network-policies/ cert-manager Documentation. URL: https://cert-manager.io/docs/ Cert-manager Documentation. URL: https://cert-manager.io/docs/ Prometheus Documentation. URL: https://prometheus.io/docs/ Prometheus Documentation. URL: https://prometheus.io/docs/ Grafana Documentation. URL: https://grafana.com/docs/grafana/latest/ Grafana Documentation. URL: https://grafana.com/docs/grafana/latest/ NVIDIA. DCGM Exporter. URL: https://github.com/NVIDIA/dcgm-exporter NVIDIA. DCGM Exporter. URL: https://github.com/NVIDIA/dcgm-exporter Burns B., Grant B., Oppenheimer D., Brewer E., Wilkes J. Borg, Omega, and Kubernetes. Communications of the ACM, 2016, 59(5), pp. 50–57. https://doi.org/10.1145/2890784 Burns B., Grant B., Oppenheimer D., Brewer E., Wilkes J. Borg, Omega, and Kubernetes. Communications of the ACM, 2016, 59(5), pp. 50–57. https://doi.org/10.1145/2890784 Merkel D. Docker: lightweight Linux containers for consistent development and deployment. Linux Journal, 2014, (239). URL: https://www.linuxjournal.com/content/docker-lightweightlinux-containers-consistent-development-and-deployment Merkel D. Docker: lightweight Linux containers for consistent development and deployment. Linux Journal, 2014, (239). URL: https://www.linuxjournal.com/content/docker-lightweightlinux-containers-consistent-development-and-deployment Kluyver T., Ragan-Kelley B., Perez F., Granger B., Bussonnier M., Frederic J. et al. Jupyter Notebooks — a publishing format for reproducible computational workflows. In: Positioning and Power in Academic Publishing: Players, Agents and Agendas, IOS Press, 2016, pp. 87–90. https://doi.org/10.3233/978-1-61499-649-1-87 Kluyver T., Ragan-Kelley B., Perez F., Granger B., Bussonnier M., Frederic J. et al. Jupyter Notebooks — a publishing format for reproducible computational workflows. In: Positioning and Power in Academic Publishing: Players, Agents and Agendas, IOS Press, 2016, pp. 87–90. https://doi.org/10.3233/978-1-61499-649-1-87 Zaharia M., Chowdhury M., Franklin M.J., Shenker S., Stoica I. Spark: Cluster Computing with Working Sets. Proceedings of the 2nd USENIX Workshop on Hot Topics in Cloud Computing, 2010. URL: https://www.usenix.org/conference/hotcloud-10/spark-cluster-computing-workingsets Zaharia M., Chowdhury M., Franklin M.J., Shenker S., Stoica I. Spark: Cluster Computing with Working Sets. Proceedings of the 2nd USENIX Workshop on Hot Topics in Cloud Computing, 2010. URL: https://www.usenix.org/conference/hotcloud-10/spark-cluster-computing-workingsets