![作业无法在 Torque 下运行,安装 Maui 也无济于事](https://linux22.com/image/1290664/%E4%BD%9C%E4%B8%9A%E6%97%A0%E6%B3%95%E5%9C%A8%20Torque%20%E4%B8%8B%E8%BF%90%E8%A1%8C%EF%BC%8C%E5%AE%89%E8%A3%85%20Maui%20%E4%B9%9F%E6%97%A0%E6%B5%8E%E4%BA%8E%E4%BA%8B.png)
因此,我刚刚在我们正在设置的小型集群上安装了 Torque,一切似乎都进展顺利。我pbs_mon
在计算节点上运行,在头节点上运行 pbs_server,pbsnodes -a
从头节点显示所有节点都处于“空闲”状态。
但是,当我echo 'sleep 30'
使用命令提交一个简单的作业(甚至是作业)时qsub
,这些作业只是停留在队列中,永远不会执行。我有四个计算节点,正在请求 4 个节点(未指定的内存/时间/ppn)。
我认为也许我需要安装 Maui 才能使作业调度正常工作,但事后看来,Torque 应该能够自行调度和执行作业,不是吗?无论如何,我在头节点上安装了 Maui(成功?)(执行 showq 显示我提交的作业被阻止)...我假设它在头节点上运行良好,否则我将无法看到我通过 qsub 提交的作业,对吗?我是否需要在每个计算节点上安装 Maui 才能使其正常工作?我是否也需要在这些节点上启动 maui?
我真的只想让它适用于一些简单的东西……我们稍后再讨论其余的事情。我对此很陌生,将不胜感激任何提供的帮助。我尝试按照安装指南中提到的操作,就像我说的,一切似乎都有效,但现在它的表现并不像我预期的那样。
checkjob
这是在队列中运行作业的输出......
job is deferred. Reason: RMFailure (cannot start job - RM failure, rc: 15043,
msg: 'Execution server rejected request MSG=cannot send job to mom, state=PRERUN')
Holds: Defer (hold reason: RMFailure)
PE: 1.00 StartPriority: 1
cannot select job 8 for partition DEFAULT (job hold active)
我认为它pbs_mom
在所有计算节点上运行:
[root@host1 ~]# service pbs_mom status
pbs_mom (pid 27824) is running...
[root@host2 ~]# service pbs_mom status
pbs_mom (pid 20164) is running...
[root@host3 ~]# service pbs_mom status
pbs_mom (pid 23981) is running...
[root@host4 ~]# service pbs_mom status
pbs_mom (pid 23996) is running...
我也相信pbs_server
它在头节点上运行......我的问题可能是我需要更改 iptables 以确保所需的端口没有被阻止?同样,所有节点在一段时间后都显示为空闲pbsnodes -a
...
万一其中包含有用的信息......
[root@headnode maui-3.3.1]# pbsnodes -a
host1
state = free
np = 4
properties = dual470
ntype = cluster
status =
rectime=1317050602,varattr=,jobs=,state=free,netload=164038242,gres=,
loadave=0.00,ncpus=4,physmem=8060460kb,availmem=17684340kb,totmem=18349604kb,
idletime=241170,nusers=2,nsessions=9,sessions=3444 3328 3564 3574 3604 3620
3630 3684 6843,uname=Linux hawc1 2.6.32-71.29.1.el6.x86_64 #1 SMP Mon Jun 27
19:49:27 BST 2011 x86_64,opsys=linux
mom_service_port = 15002
mom_manager_port = 15003
gpus = 2
host2
state = free
np = 4
properties = dual480
ntype = cluster
status =
rectime=1317050602,varattr=,jobs=,state=free,netload=106187454,gres=,
loadave=0.00,ncpus=8,physmem=8058888kb,availmem=13819772kb,
totmem=14219264kb,idletime=241201,nusers=1,nsessions=6,sessions=3446
3450 3452 3477 3479 3504,uname=Linux hawc2 2.6.32-71.29.1.el6.x86_64
#1 SMP Mon Jun 27 19:49:27 BST 2011 x86_64,opsys=linux
mom_service_port = 15002
mom_manager_port = 15003
gpus = 2
host3
state = free
np = 4
properties = dual480
ntype = cluster
status =
rectime=1317050602,varattr=,jobs=,state=free,netload=148456196,gres=,
loadave=0.00,ncpus=8,physmem=8058888kb,availmem=13722692kb,totmem=14219264kb,
idletime=241161,nusers=2,nsessions=8,sessions=3482 3362 3584 3594 3624 3640
3650 3706,uname=Linux hawc3 2.6.32-71.29.1.el6.x86_64 #1 SMP Mon Jun 27
19:49:27 BST 2011 x86_64,opsys=linux
mom_service_port = 15002
mom_manager_port = 15003
gpus = 2
host4
state = free
np = 4
properties = 480C2050
ntype = cluster
status =
rectime=1317050595,varattr=,jobs=,state=free,netload=154812523,gres=,
loadave=0.01,ncpus=8,physmem=8058888kb,availmem=13715256kb,totmem=14219264kb,
idletime=241142,nusers=2,nsessions=9,sessions=3504 3386 3590 3600 3630 3650
3655 3712 3829,uname=Linux hawc4 2.6.32-71.29.1.el6.x86_64 #1 SMP Mon Jun 27
19:49:27 BST 2011 x86_64,opsys=linux
mom_service_port = 15002
mom_manager_port = 15003
gpus = 2
解决了:
所以事实证明 iptables 搞错了。我禁用了计算节点上的 iptables,并在头节点中添加了正确的条目,现在它似乎工作正常……我可以 qsub echo“sleep 30”并看到它工作正常。我遇到了一个新问题,但我现在要提出一个新问题……希望这个问题会更简单!