slurm无法实现任务并行

xaver2010

大佬们求助，
我现在有的机器是7R32-96核的服务器，但是发现用slurm提交任务后只能运行一个，没办法两个48核的任务运行，然后按 http://bbs.keinsci.com/forum.php ... ht=slurm&page=1 这个帖子里老师们的建议把slurm.conf从
SelectType=SELECT/LINEAR
改成了SelectType=select/cons_tres，SelectTypeParameters=CR_Core。
结果发现任务没办法运行了,如下

             JOBID PARTITION     NAME     USER ST       TIME  NODES NODELIST(REASON)
              1187 localhost     vasp   xingpu PD       0:00      1 (launch failed requeued held)


slurmd -c显示为

            slurmd: fatal: Unable to determine this slurmd's NodeName



下面是我的slurm.conf

#
# See the slurm.conf man page for more information.
#
ControlMachine=localhost
ControlAddr=127.0.0.1

#
AuthType=auth/munge

CryptoType=crypto/munge

MpiDefault=pmix

ProctrackType=proctrack/cgroup

ReturnToService=1

SlurmctldPidFile=/var/run/slurm/slurmctld.pid
SlurmctldPort=6817
SlurmdPidFile=/var/run/slurm/slurmd.pid
SlurmdPort=6818
SlurmdSpoolDir=/var/spool/slurm/d
SlurmUser=root

StateSaveLocation=/var/spool/slurm/ctld
SwitchType=switch/none

TaskPlugin=task/none

InactiveLimit=0
KillWait=30

MinJobAge=300
#OverTimeLimit=0
SlurmctldTimeout=120
SlurmdTimeout=300

Waittime=0

FastSchedule=1
SchedulerType=sched/backfill
SelectType=select/cons_tres
SelectTypeParameters=CR_Core

AccountingStorageType=accounting_storage/none
AccountingStoreJobComment=YES
ClusterName=cluster
JobCompType=jobcomp/none
JobAcctGatherFrequency=30
JobAcctGatherType=jobacct_gather/none
SlurmctldDebug=3
SlurmdDebug=3

# COMPUTE NODES
NodeName=node1 Sockets=2 CoresPerSocket=48 ThreadsPerCore=1 State=UNKNOWN
NodeName=node2 Sockets=2 CoresPerSocket=48 ThreadsPerCore=1 State=UNKNOWN
PartitionName=localhost Nodes=all Default=YES MaxTime=INFINITE State=UP



求助大佬们，谢谢谢谢

啊不错的飞过海

把node1、node2删了，跑一遍slurmd -c把输出复制到slurm.conf里。哪里来的48核的机器？

xaver2010

啊不错的飞过海 发表于 2023-11-18 18:56
把node1、node2删了，跑一遍slurmd -c把输出复制到slurm.conf里。哪里来的48核的机器？

谢谢您的回复，我试了下，把node信息删除后，slurmd -c 完全没有输出信息了。。。这可能是什么愿意呢？

xaver2010

啊不错的飞过海 发表于 2023-11-18 18:56
把node1、node2删了，跑一遍slurmd -c把输出复制到slurm.conf里。哪里来的48核的机器？

谢谢您的回复，我试了下，把node信息删除后，slurmd -c 完全没有输出信息了。。。这可能是什么原因呢？

xaver2010

啊不错的飞过海 发表于 2023-11-18 18:56
把node1、node2删了，跑一遍slurmd -c把输出复制到slurm.conf里。哪里来的48核的机器？

老师您好，问题已经解决了，谢谢您

paramecium86

xaver2010 发表于 2023-11-18 21:32
老师您好，问题已经解决了，谢谢您

请问 最后是调整哪里解决的这个问题？

xaver2010

paramecium86 发表于 2023-11-19 01:07
请问 最后是调整哪里解决的这个问题？

我重装了下slurm,然后参数改后就可以正常运行了不过并行后计算速度还是影响很大

啊不错的飞过海

xaver2010 发表于 2023-11-18 21:09
谢谢您的回复，我试了下，把node信息删除后，slurmd -c 完全没有输出信息了。。。这可能是什么原因呢 ...

抱歉，打错了，应该是大写的C。会输出形如“NodeName=master CPUs=20 Boards=1 SocketsPerBoard=2 CoresPerSocket=10 ThreadsPerCore=1 RealMemory=95324
UpTime=176-04:28:16”的信息，我想的是把这个复制到slurm.conf里。实在抱歉。

xaver2010

啊不错的飞过海 发表于 2023-11-20 15:12
抱歉，打错了，应该是大写的C。会输出形如“NodeName=master CPUs=20 Boards=1 SocketsPerBoard=2 CoresP ...

嗯嗯，谢谢您

zmjsce

xaver2010 发表于 2023-11-19 09:41
我重装了下slurm,然后参数改后就可以正常运行了不过并行后计算速度还是影响很大

请问楼主：96核情况下，每个任务调用48核同时计算两任务 对比  96核心全部调用，依次计算两个任务，哪个计算会更低一点？你们的使用场景是什么样的？

xaver2010

zmjsce 发表于 2023-11-22 01:30
请问楼主：96核情况下，每个任务调用48核同时计算两任务 对比  96核心全部调用，依次计算两个任务，哪个 ...

个人的经验算vasp,96核不如60核快(试了很多参数,可能并不是最优方案),所以最后只跑60个核了.并行的话因为我不太会绑定核心,所以速度会慢很多

qiuyunfeng

我用的单节点安装的slurm也有这样的问题，重新安装了slurm也不行