☰

未观察到时，SGE 中的 OpenMPI 会失败

tag-icon • tag-icon linux cluster gridengine
未观察到时，SGE 中的 OpenMPI 会失败

我知道这个话题很奇怪，但我的问题也很奇怪。在我们的集群上，我们为紧密集成编译了 SGE 和 OpenMPI。当我设置它时，它在我的测试中运行良好，到目前为止，直到最近都没有出现任何投诉。问题是：当我使用 OpenMPI PE 提交作业并使用 mpirun 运行我的二进制文件时，它会失败。

错误信息如下

fully.quallified.host.name - daemon did not report back when launched和

[hostname:\d{5}] [[63730,0],\d{1,2}] routed:binomial: Connection to lifeline [[63730,0],0] lost

即使是像mpirun -np 40 --pernode hostname

现在，奇怪的是：如果我打开 plm_base 的详细输出，它就能工作：mpirun -np 40 --mca plm_base_verbose 5 --pernode hostname确实能工作！！！这在 stderr 上产生的大量调试输出不包含任何问题的迹象。

我已经尝试过多次，每次都能重现这种情况，所以我很肯定这不是一个侥幸。问题是：我现在很困惑。

我确实错过了一些东西，所以问题是：

  1. 在这种情况下设置详细程度是否也会默默设置其他参数？
  2. 还有什么可能导致这种奇怪的行为？

此致。

编辑：相关PE的配置：

pe_name           ompi-gcc
slots             2000
user_lists        NONE
xuser_lists       NONE
start_proc_args   /bin/true
stop_proc_args    /bin/true
allocation_rule   $round_robin
control_slaves    TRUE
job_is_first_task FALSE
urgency_slots     min

没什么特别的...OpenMPI 被编译为紧密集成并检测它需要的一切...尽管如此，它不适用于 qrsh，即，它仅在禁用 rsh 的 qrsh 时才有效...

答案1

没关系。在对其他参数进行反复试验后，plm我发现设置plm_rsh_disable_qrsh可以解决问题。但是，这并不能解释为什么将其基本详细程度设置为 0 以外的值也可以解决问题。这是我仍然不明白的部分。

相关内容