slurm24测试多点节点计算的脚本和slurm配置

naxiangzi

目前测试 sbatch test.sh 发现所在节点可以运行， 但其它节点没有运行。
配置2台，主控+计算节点，计算节点1台

cpu:

1. 架构：           x86_64
   
2. CPU 运行模式：   32-bit, 64-bit
   
3. 字节序：         Little Endian
   
4. CPU:             152
   
5. 在线 CPU 列表：  0-151
   
6. 每个核的线程数： 2
   
7. 每个座的核数：   38
   
8. 座：             2
   
9. NUMA 节点：      2
   
10. 厂商 ID：        GenuineIntel
    
11. BIOS Vendor ID:  Intel(R) Corporation
    
12. CPU 系列：       6
    
13. 型号：           106
    
14. 型号名称：       Intel(R) Xeon(R) Platinum 8378C CPU @ 2.80GHz

复制代码

内存：

1. total        used        free      shared  buff/cache   available
   
2. Mem:          251Gi       5.3Gi       238Gi       4.0Gi       7.0Gi       239Gi
   
3. Low:          251Gi        12Gi       238Gi

复制代码

slurm.conf配置如下

1. ################################################
   
2. #                    NODES                     #
   
3. ################################################
   
4. 
   
5. NodeName=master NodeAddr=192.168.0.100 CPUs=152 CoresPerSocket=38 ThreadsPerCore=2 RealMemory=2450 Procs=1 State=UNKNOWN
   
6. NodeName=node01 NodeAddr=192.168.0.101 CPUs=152 CoresPerSocket=38 ThreadsPerCore=2 RealMemory=2450 Procs=1 State=UNKNOWN
   
7. 
   
8. ################################################
   
9. #                  PARTITIONS                  #
   
10. ################################################
    
11. PartitionName=compute Nodes=All Default=YES MaxTime=INFINITE State=UP

复制代码

脚本：网上抄的，不知有没有对

1. #!/bin/bash
   
2. 
   
3. #SBATCH -J h5_group
   
4. 
   
5. #SBATCH -p normal
   
6. 
   
7. #SBATCH -N 2
   
8. 
   
9. #SBATCH -n 1
   
10. 
    
11. #SBATCH --mem=1G
    
12. 
    
13. #SBATCH -D /public/home/xxx/xxx/HDF5/h5_test
    
14. 
    
15. #SBATCH --gres=dcu:1
    
16. 
    
17. #SBATCH -o h5_group.o%j
    
18. 
    
19. #SBATCH -e h5_group.e%j
    
20. 
    
21. echo "Start time: `date` "
    
22. 
    
23. echo "SLURM_JOB_ID:$SLURM_JOB_ID"
    
24. 
    
25. echo "SLURM_NNODES:$SLURM_NNODES"
    
26. 
    
27. echo "SLURM_TASKS_PER_NODE:$SLURM_TASKS_PER_NODE"
    
28. 
    
29. echo "SLURM_NTASK:$SLURM_NTASK"
    
30. 
    
31. echo "SLURM_JOB_PARTITION:$SLURM_JOB_PARTITION"
    
32. 
    
33. srun ./h5_group
    
34. 
    
35. # (mpirun ./test)
    
36. 
    
37. echo "End time: `date`"
    

复制代码

squeue: 有看到节点，一会儿，再次运行，就没内容了

1. [hermit@master public]$ squeue
   
2.              JOBID PARTITION     NAME     USER ST       TIME  NODES NODELIST(REASON)
   
3.                 66   compute simple_m    sutai  R       1:06      2 master,node01

复制代码

master: htop 有看到在跑cpu,node01节点没有看到
[hermit@master ~]$ slurmd -C
NodeName=master CPUs=152 Boards=1 SocketsPerBoard=2 CoresPerSocket=38 ThreadsPerCore=2 RealMemory=257268
UpTime=2-02:35:36