- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我现在正在远程集群上运行名为 CMAQ 的模拟代码。我首先连续运行基准测试以查看软件的性能。但是,该作业总是运行几十个小时然后崩溃,并显示以下“Stale file handle, errno=116”错误消息:
PBS 作业 ID:91487.master.cluster作业名称:cmaq_cctm_benchmark_serial.sh执行主机:hs012/0处理您的作业时发生错误,请参见下文。发布作业文件处理错误;主机 hs012/0 上的作业 91487.master.cluster 未知资源类型 REJHOST=hs012.cluster MSG=指定的主目录“/home/shangxin”无效,errno=116(陈旧文件句柄)
这很奇怪,因为我从不修改主目录,而这个“/home/shangxin/”肯定是我的代码所在的永久目录....
此外,在标准输出 .log 文件中,作业失败时始终显示以下消息:
总线错误100247.930u 34.292s 27:59:02.42 99.5% 0+0k 16480+0io 2pf+0w
这条消息具体是什么意思?
我曾经认为这个错误是由于作业消耗了 RAM,这是一个内存溢出问题。但是,当我在运行时登录计算节点使用“free -m”和“htop”命令查看内存使用情况时,我发现RAM和swap内存占用都没有超过10%,处于非常低的水平,所以内存使用不是问题。
因为我用“tee”把运行的job记录到一个日志文件中,这个文件最多可以包含几万行,大小超过1MB。为了测试这个标准输出是否使集群系统不堪重负,我运行了另一个相同的作业,但没有标准输出日志文件。几十小时后,新作业仍然失败并出现相同的“Stale file handle, errno=116”错误,因此标准输出也不是原因。
我也试过用多核并行运行这个作业,运行了几十个小时后它仍然失败并出现同样的错误。
我可以确保我使用的代码没有问题,因为它可以在其他集群上成功完成。该集群管理员正在调查中,暂时无法查明具体原因。
有没有人遇到过这个奇怪的错误?我们应该如何解决集群上的这个问题?感谢您的帮助!
最佳答案
在学术集群上,主目录经常通过 NFS 安装在集群中的每个节点上,以便为您提供跨所有节点的统一体验。如果不是这种情况,每个节点都会有自己的主目录版本,并且您必须采取明确的操作来在工作节点和/或登录节点之间复制相关文件。
听起来您的主目录在工作节点上的 NFS 挂载可能在您的作业运行时失败了。这不是您可以直接修复的问题,除非您拥有集群的管理权限。如果您需要解决问题并且不能等待系统管理员解决问题,您可以:
最简单的解决方案是与集群管理员合作,但我知道他们并不总是按您的日程安排工作。
关于linux - 运行数十小时后远程集群出现奇怪的 "Stale file handle, errno=116",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40368212/
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的,
Linux 管道可以缓冲多少数据?这是可配置的吗? 如果管道的两端在同一个进程中,但线程不同,这会有什么不同吗? 请注意:这个“同一个进程,两个线程”的问题是理论上的边栏,真正的问题是关于缓冲的。 最
我找到了here [最后一页] 一种有趣的通过 Linux 启动 Linux 的方法。不幸的是,它只是被提及,我在网上找不到任何有用的链接。那么有人听说过一种避免引导加载程序而使用 Linux 的方法
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
我试图了解 ld-linux.so 如何在 Linux 上解析对版本化符号的引用。我有以下文件: 测试.c: void f(); int main() { f(); } a.c 和 b.c:
与 RetroPie 的工作原理类似,我可以使用 Linux 应用程序作为我的桌面环境吗?我实际上并不需要像实际桌面和安装应用程序这样的东西。我只需要一种干净简单的方法来在 RaspberryPi 上
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a softwar
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 关闭 10 年前。 Improve thi
有什么方法可以覆盖现有的源代码,我应该用 PyQt、PyGTK、Java 等从头开始构建吗? 最佳答案 如果您指的是软件本身而不是它所连接的存储库,那么自定义应用程序的方法就是 fork 项目。据我所
我的情况是:我在一个磁盘上安装了两个 linux。我将第一个安装在/dev/sda1 中,然后在/dev/sda2 中安装第二个然后我运行第一个系统,我写了一个脚本来在第一个系统运行时更新它。
我在 i2c-0 总线上使用地址为 0x3f 的系统监视器设备。该设备在设备树中配置有 pmbus 驱动程序。 问题是,加载 linux 内核时,这个“Sysmon”设备没有供电。因此,当我在总线 0
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 关闭 11 年前。 Improve thi
我正试图在 linux 模块中分配一大块内存,而 kalloc 做不到。 我知道唯一的方法是使用 alloc_bootmem(unsigned long size) 但我只能从 linux 内核而不是
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a softwar
我有 .sh 文件来运行应用程序。在该文件中,我想动态设置服务器名称,而不是每次都配置。 我尝试了以下方法,它在 CentOS 中运行良好。 nohup /voip/java/jdk1.8.0_71/
我是在 Linux 上开发嵌入式 C++ 程序的新手。我有我的 Debian 操作系统,我在其中开发和编译了我的 C++ 项目(一个简单的控制台进程)。 我想将我的应用程序放到另一个 Debian 操
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 4 年前。 Improve this ques
我使用4.19.78版本的稳定内核,我想找到带有企鹅二进制数据的C数组。系统启动时显示。我需要在哪里搜索该内容? 我在 include/linux/linux_logo.h 文件中只找到了一些 Log
我知道可以使用 gdb 的服务器模式远程调试代码,我知道可以调试针对另一种架构交叉编译的代码,但是是否可以更进一步,从远程调试 Linux 应用程序OS X 使用 gdbserver? 最佳答案 当然
是否有任何可能的方法来运行在另一个 Linux 上编译的二进制文件?我知道当然最简单的是在另一台机器上重建它,但假设我们唯一能得到的是一个二进制文件,那么这可能与否? (我知道这可能并不容易,但我只是
我是一名优秀的程序员,十分优秀!