“令人尴尬地平行”在集群上使用 python 和 PBS 进行编程

Question

我有一个可以生成数字的函数（神经网络模型）。我希望在带有 Torque 的标准集群上使用 PBS 来测试来自 python 的多个参数、方法和不同输入（意味着数百次函数运行）。

注意：我尝试了parallelpython、ipython 等，但从未完全满意，因为我想要更简单的东西。集群处于给定的配置中，我无法更改，这种集成 python + qsub 的解决方案肯定会给社区带来好处。

为了简化事情，我有一个简单的函数，例如：

import myModule
def model(input, a= 1., N=100):
    do_lots_number_crunching(input, a,N)
    pylab.savefig('figure_' + input.name + '_' + str(a) + '_' + str(N) + '.png')

其中 input 是表示输入的对象，input.name 是一个字符串，do_lots_number_crunching > 可能会持续几个小时。

我的问题是：是否有正确的方法可以将诸如参数扫描之类的内容转换

for a in pylab.linspace(0., 1., 100):
    model(input, a)

为“某些内容”，以便为每次调用 model 函数启动 PBS 脚本？

#PBS -l ncpus=1
#PBS -l mem=i1000mb
#PBS -l cput=24:00:00
#PBS -V
cd /data/work/
python experiment_model.py

我正在考虑一个包含 PBS 模板并从 python 脚本调用它的函数，但还无法弄清楚（装饰器？）。

Answer 1

pbs_python[1] 可以用于此目的。如果experiment_model.py 'a'作为参数，你可以这样做

import pbs, os

server_name = pbs.pbs_default()
c = pbs.pbs_connect(server_name)

attopl = pbs.new_attropl(4)
attropl[0].name  = pbs.ATTR_l
attropl[0].resource = 'ncpus'
attropl[0].value = '1'

attropl[1].name  = pbs.ATTR_l
attropl[1].resource = 'mem'
attropl[1].value = 'i1000mb'

attropl[2].name  = pbs.ATTR_l
attropl[2].resource = 'cput'
attropl[2].value = '24:00:00'

attrop1[3].name = pbs.ATTR_V

script='''
cd /data/work/
python experiment_model.py %f
'''

jobs = []

for a in pylab.linspace(0.,1.,100):
    script_name = 'experiment_model.job' + str(a)
    with open(script_name,'w') as scriptf:
        scriptf.write(script % a)
    job_id = pbs.pbs_submit(c, attropl, script_name, 'NULL', 'NULL')
    jobs.append(job_id)
    os.remove(script_name)

 print jobs

[1]： https:/ /oss.trac.surfsara.nl/pbs_python/wiki/TorqueUsage pbs_python

Answer 2

您可以使用 jug （我为类似的设置开发）轻松完成此操作。

您可以在文件中写入（例如，model.py）：

@TaskGenerator
def model(param1, param2):
     res = complex_computation(param1, param2)
     pyplot.coolgraph(res)


for param1 in np.linspace(0, 1.,100):
    for param2 in xrange(2000):
        model(param1, param2)

就是这样！

现在，您可以在队列上启动“jug jobs”：jugexecute model.py，这将自动并行化。发生的情况是，每个作业都会在一个循环中执行以下操作：（

while not all_done():
    for t in tasks in tasks_that_i_can_run():
        if t.lock_for_me(): t.run()

实际上比这更复杂，但你明白了）。

它使用文件系统进行锁定（如果您在 NFS 系统上）或使用 redis 服务器（如果您愿意）。它还可以处理任务之间的依赖关系。

这并不完全是您所要求的，但我相信将其与作业排队系统分开是一个更干净的架构。

Answer 3

看起来我来得有点晚了，但几年前我也有同样的问题，即如何将令人尴尬的并行问题映射到 python 中的集群上，并编写了自己的解决方案。我最近将其上传到github： https://github.com/plediii/pbs_util

编写你的程序使用 pbs_util，我首先会在工作目录中创建一个 pbs_util.ini，其中包含

[PBSUTIL]
numnodes=1
numprocs=1
mem=i1000mb
walltime=24:00:00

然后像这样的 python 脚本

import pbs_util.pbs_map as ppm

import pylab
import myModule

class ModelWorker(ppm.Worker):

    def __init__(self, input, N):
        self.input = input
        self.N = N

    def __call__(self, a):
        myModule.do_lots_number_crunching(self.input, a, self.N)
        pylab.savefig('figure_' + self.input.name + '_' + str(a) + '_' + str(self.N) + '.png')



# You need  "main" protection like this since pbs_map will import this file on the     compute nodes
if __name__ == "__main__":
    input, N = something, picklable
    # Use list to force the iterator
    list(ppm.pbs_map(ModelWorker, pylab.linspace(0., 1., 100),
                     startup_args=(input, N),
                     num_clients=100))

就可以了。

Answer 4

我刚刚开始使用集群和 EP 应用程序。我的目标（我在图书馆工作）是学习足够的知识，帮助校园内的其他研究人员通过 EP 应用程序访问 HPC……尤其是 STEM 以外的研究人员。我还是个新手，但认为指出 GNU Parallel 在 PBS 脚本中启动带有不同参数的基本 python 脚本。在 .pbs 文件中，有两行需要指出：

module load gnu-parallel # this is required on my environment

parallel -j 4 --env PBS_O_WORKDIR --sshloginfile $PBS_NODEFILE \
--workdir $NODE_LOCAL_DIR --transfer --return 'output.{#}' --clean \
`pwd`/simple.py '{#}' '{}' ::: $INPUT_DIR/input.*

# `-j 4` is the number of processors to use per node, will be cluster-specific
# {#} will substitute the process number into the string
# `pwd`/simple.py `{#}` `{}`   this is the command that will be run multiple times
# ::: $INPUT_DIR/input.* all of the files in $INPUT_DIR/ that start with 'input.' 
#     will be substituted into the python call as the second(3rd) argument where the
#     `{}` resides.  These can be simple text files that you use in your 'simple.py'
#     script to pass the parameter sets, filenames, etc.

作为 EP 超级计算的新手，即使我还不了解“并行”上的所有其他选项，该命令允许我与不同的并行启动 python 脚本参数。如果您可以提前生成大量参数文件来并行化您的问题，那么这将非常有效。例如，跨参数空间运行模拟。或者用相同的代码处理许多文件。