☰

由於套接字核心執行緒 CPU 計數較低，SLURM 將節點設定為耗盡

tag-icon • tag-icon linux slurm
由於套接字核心執行緒 CPU 計數較低，SLURM 將節點設定為耗盡

我在 SLURM 上設置了幾個工作站。有多種類型，但我們採用具有 4 個核心且沒有額外 SMT 的 CPU，因此總共有 4 個執行緒。lscpu向我展示以下內容：

$ lscpu
Architecture:        x86_64
CPU op-mode(s):      32-bit, 64-bit
Byte Order:          Little Endian
Address sizes:       39 bits physical, 48 bits virtual
CPU(s):              4
On-line CPU(s) list: 0-3
Thread(s) per core:  1
Core(s) per socket:  4
Socket(s):           1
NUMA node(s):        1
Vendor ID:           GenuineIntel
CPU family:          6
Model:               60
Model name:          Intel(R) Core(TM) i5-4590 CPU @ 3.30GHz
Stepping:            3
CPU MHz:             3478.500
CPU max MHz:         3700.0000
CPU min MHz:         800.0000
BogoMIPS:            6584.83
Virtualization:      VT-x
L1d cache:           32K
L1i cache:           32K
L2 cache:            256K
L3 cache:            6144K
NUMA node0 CPU(s):   0-3
Flags:               fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe syscall nx pdpe1gb rdtscp lm constant_tsc arch_perfmon pebs bts rep_good nopl xtopology nonstop_tsc cpuid aperfmperf pni pclmulqdq dtes64 monitor ds_cpl vmx smx est tm2 ssse3 sdbg fma cx16 xtpr pdcm pcid sse4_1 sse4_2 x2apic movbe popcnt aes xsave avx f16c rdrand lahf_lm abm cpuid_fault epb invpcid_single pti tpr_shadow vnmi flexpriority ept vpid ept_ad fsgsbase tsc_adjust bmi1 avx2 smep bmi2 erms invpcid xsaveopt dtherm ida arat pln pts

由於它們是工作站，而我只是在耕種資源，因此我告訴 SLURM，它們只有 2 個 CPU 核心，因此每個工作站不會調度兩個以上的單 CPU 作業。但現在我需要耕種更多，所以我正在推動每個工作站三個工作。所以我告訴SLURM，他們其實有三個核心。但隨後 SLURM 將它們設定為流走狀態：

$ scontrol show node=deino
NodeName=deino Arch=x86_64 CoresPerSocket=3 
   CPUAlloc=3 CPUTot=3 CPULoad=4.55
   AvailableFeatures=(null)
   ActiveFeatures=(null)
   Gres=(null)
   NodeAddr=deino NodeHostName=deino Version=18.08
   OS=Linux 4.19.0-5-amd64 #1 SMP Debian 4.19.37-5+deb10u2 (2019-08-08) 
   RealMemory=13000 AllocMem=1500 FreeMem=1299 Sockets=1 Boards=1
   State=ALLOCATED+DRAIN ThreadsPerCore=1 TmpDisk=60347 Weight=2 Owner=N/A MCS_label=N/A
   Partitions=batch,long-no-guarantee 
   BootTime=2019-08-23T14:50:20 SlurmdStartTime=2019-08-23T14:51:06
   CfgTRES=cpu=3,mem=13000M,billing=3
   AllocTRES=cpu=3,mem=1500M
   CapWatts=n/a
   CurrentWatts=0 LowestJoules=0 ConsumedJoules=0
   ExtSensorsJoules=n/s ExtSensorsWatts=0 ExtSensorsTemp=n/s
   Reason=Low socket*core*thread count, Low CPUs [slurm@2019-11-14T13:51:07]

我不明白。我有CPUs=3 Sockets=1 CoresPerSocket=3 ThreadsPerCore=1，所以這比機器實際有的少。我可以手動設定這些節點恢復，但感覺很奇怪。我需要更改什麼才能使其正常工作？

答案1

  1. 修改叢集定義後是否在所有節點上重新啟動 slurmd？
  2. 在我們的系統上，我們完全聲明每個節點上的所有資源，但使用核心和記憶體專門化為作業系統/互動式使用者保留核心/記憶體。https://slurm.schedmd.com/core_spec.html

相關內容