Les cadres d'analyse expérimentale, les formats de données physiques et les attentes des scientifiques au LHC ont évolué vers une analyse interactive avec des délais de réponse courts. En préparation pour le HL-LHC, les expériences passent à des formats de données adaptés à l'analyse en colonnes comme RNTuple. De plus, l'écosystème Python devient de plus en plus populaire pour l'analyse. Plusieurs sites de la communauté ont réagi en mettant en place des installations d'analyse dédiées, fournissant des outils et des interfaces aux ressources de calcul et de stockage adaptées à l'analyse interactive. On s'attend à ce que la demande pour de telles installations augmente à l'aube de l'ère HL-LHC et qu'il devienne nécessaire de développer le traitement interactif de grands ensembles de données. Le CERN IT a lancé un pilote d'une installation d'analyse basée sur des services établis et éprouvés tels que SWAN, HTCondor et EOS. Cela facilite l'accès à des ressources massives en permettant l'utilisation de ressources gérées par HTCondor depuis SWAN, offrant une exécution parallèle via des interfaces d'analyse, telles que ROOT RDataFrame et coffea et leurs back-ends Dask. Dans cette contribution, nous discuterons de l'architecture de l'installation pilote d'analyse au CERN, fournissant la rationale des décisions. Pour déterminer les prochaines étapes, l'évaluation de l'impact de différentes stratégies d'allocation de ressources au sein du pool HTCondor du CERN est cruciale. Une stratégie particulièrement intéressante consiste à combiner un ensemble de ressources dédiées à l'analyse interactive avec l'utilisation des ressources générales soumises à des quotas d'expérience. Nous mettrons un accent particulier sur les retours que nous avons reçus des premiers testeurs des expériences.
Castro et al. (Tue,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: