Slurm中有什么原因不超过一定数量的节点?

发布于 2025-02-07 20:42:18 字数 821 浏览 3 评论 0原文

我想从大约2,000个阵列中在GCP-SLURM中运行约400个工作。

我的bash文件中的slurm设置和slurm.config设置如下。

run.sh

#SBATCH -o ./out/vs.%j.out
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=16
#SBATCH -W

slurm.config

MaxArraySize=50000
MaxJobCount=50000

#COMPUTE NODE
NodeName=DEFAULT CPUs=16 RealMemory=63216 State=UNKNOWN
NodeName=node-0-[0-599] State=CLOUD

当前,除了该任务以外,还使用100个节点用于工作。

如果您继续执行此任务,则总共只执行大约130-150个节点任务,而其余的则未执行。

是否需要设置其他参数?

- 附加错误日志

[2022-06-20T01:18:41.294] error: get_addr_info: getaddrinfo() failed: Name or service not known
[2022-06-20T01:18:41.294] error: slurm_set_addr: Unable to resolve “node-333"
[2022-06-20T01:18:41.294] error: fwd_tree_thread: can't find address for host node-333, check slurm.conf

I want to run about 400 jobs in GCP-slurm from about 2,000 arrays.

The slurm settings and slurm.config settings in my bash file are as follows.

run.sh

#SBATCH -o ./out/vs.%j.out
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=16
#SBATCH -W

slurm.config

MaxArraySize=50000
MaxJobCount=50000

#COMPUTE NODE
NodeName=DEFAULT CPUs=16 RealMemory=63216 State=UNKNOWN
NodeName=node-0-[0-599] State=CLOUD

Currently, 100 nodes are being used for work other than that task.

If you proceed with this task, only about 130-150 node tasks in total are executed and the rest are not executed.

Are there any additional parameters that need to be set?

-- additional error log

[2022-06-20T01:18:41.294] error: get_addr_info: getaddrinfo() failed: Name or service not known
[2022-06-20T01:18:41.294] error: slurm_set_addr: Unable to resolve “node-333"
[2022-06-20T01:18:41.294] error: fwd_tree_thread: can't find address for host node-333, check slurm.conf

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

橘虞初梦 2025-02-14 20:42:18

我找到了一个解决其他错误的解决方法。

https://groups.google.com/g/slurm-users/ c / y-qzkdbyfik

我转介到文章中,您可以编辑slurcmtld.service / slurmd.service.service / slurmdbd.service。

network.target -> network-online.target

但是,仍然保持最大执行节点的数量。

I found a workaround for the additional error.

https://groups.google.com/g/slurm-users/c/y-QZKDbYfIk

I referred to the article, and you can edit slurcmtld.service / slurmd.service / slurmdbd.service.

network.target -> network-online.target

However, the maximum number of execution nodes is still maintained.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文