☰

由于 socket-core-thread-cpu 数量较少，SLURM 将节点设置为耗尽

tag-icon • tag-icon linux slurm
由于 socket-core-thread-cpu 数量较少，SLURM 将节点设置为耗尽

我在几个工作站上设置了 SLURM。有不同类型的工作站，但我们以一个具有 4 个内核且没有额外 SMT 的 CPU 为例，因此总共有 4 个线程。lscpu显示以下内容：

$ lscpu
Architecture:        x86_64
CPU op-mode(s):      32-bit, 64-bit
Byte Order:          Little Endian
Address sizes:       39 bits physical, 48 bits virtual
CPU(s):              4
On-line CPU(s) list: 0-3
Thread(s) per core:  1
Core(s) per socket:  4
Socket(s):           1
NUMA node(s):        1
Vendor ID:           GenuineIntel
CPU family:          6
Model:               60
Model name:          Intel(R) Core(TM) i5-4590 CPU @ 3.30GHz
Stepping:            3
CPU MHz:             3478.500
CPU max MHz:         3700.0000
CPU min MHz:         800.0000
BogoMIPS:            6584.83
Virtualization:      VT-x
L1d cache:           32K
L1i cache:           32K
L2 cache:            256K
L3 cache:            6144K
NUMA node0 CPU(s):   0-3
Flags:               fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe syscall nx pdpe1gb rdtscp lm constant_tsc arch_perfmon pebs bts rep_good nopl xtopology nonstop_tsc cpuid aperfmperf pni pclmulqdq dtes64 monitor ds_cpl vmx smx est tm2 ssse3 sdbg fma cx16 xtpr pdcm pcid sse4_1 sse4_2 x2apic movbe popcnt aes xsave avx f16c rdrand lahf_lm abm cpuid_fault epb invpcid_single pti tpr_shadow vnmi flexpriority ept vpid ept_ad fsgsbase tsc_adjust bmi1 avx2 smep bmi2 erms invpcid xsaveopt dtherm ida arat pln pts

由于它们是工作站，而我只是在耕种资源，所以我告诉 SLURM 它们只有 2 个 CPU 核心，因此每个工作站不会安排超过两个单 CPU 作业。但现在我需要耕种更多，所以我正在推动每个工作站进行三个作业。所以我告诉 SLURM 它们实际上有三个核心。但随后 SLURM 将它们设置为流走状态：

$ scontrol show node=deino
NodeName=deino Arch=x86_64 CoresPerSocket=3 
   CPUAlloc=3 CPUTot=3 CPULoad=4.55
   AvailableFeatures=(null)
   ActiveFeatures=(null)
   Gres=(null)
   NodeAddr=deino NodeHostName=deino Version=18.08
   OS=Linux 4.19.0-5-amd64 #1 SMP Debian 4.19.37-5+deb10u2 (2019-08-08) 
   RealMemory=13000 AllocMem=1500 FreeMem=1299 Sockets=1 Boards=1
   State=ALLOCATED+DRAIN ThreadsPerCore=1 TmpDisk=60347 Weight=2 Owner=N/A MCS_label=N/A
   Partitions=batch,long-no-guarantee 
   BootTime=2019-08-23T14:50:20 SlurmdStartTime=2019-08-23T14:51:06
   CfgTRES=cpu=3,mem=13000M,billing=3
   AllocTRES=cpu=3,mem=1500M
   CapWatts=n/a
   CurrentWatts=0 LowestJoules=0 ConsumedJoules=0
   ExtSensorsJoules=n/s ExtSensorsWatts=0 ExtSensorsTemp=n/s
   Reason=Low socket*core*thread count, Low CPUs [slurm@2019-11-14T13:51:07]

我不明白。我有CPUs=3 Sockets=1 CoresPerSocket=3 ThreadsPerCore=1，所以这比机器实际拥有的要少。我可以手动设置这些节点以恢复，但感觉很奇怪。我需要更改什么才能使其正常工作？

答案1

  1. 修改集群定义后，您是否在所有节点上重新启动了 slurmd？
  2. 在我们的系统上，我们完全声明每个节点上的所有资源，但使用核心和内存专门为操作系统/交互用户保留核心/内存。https://slurm.schedmd.com/core_spec.html

相关内容