linux - 在工作站上使用 TORQUE v6.1.0 的节点状态=关闭

Question

我在 Ubuntu 16.04 工作站上安装了 Torque 6.1.0，但是安装似乎无法识别有多少内核和线程机有。我设置的唯一节点显示状态为“state=down”并且任何工作都会触发一个错误，说“没有足够的正确类型节点”。实际上，工作站有 56 个线程或 28 个物理内核在 2 个处理器上，我只想使用 54 个线程或 27 个物理内核用于共享计算作业。我意识到这可能与从 Torque V6.0 开始的 cgroup 或 NUMA 的配置有关，如果我在安装时做的是正确的，我就不会这样。我确实启用了 cgroup，但不确定是否还需要配置启用 NUMA 感知功能。以下是当前配置的一些输出。我应该怎么办？谢谢。

$ pbsnodes
node1
 state = down
 power_state = Running
 np = 54
 ntype = cluster
 mom_service_port = 15002
 mom_manager_port = 15003
 total_sockets = 0
 total_numa_nodes = 0
 total_cores = 0
 total_threads = 0
 dedicated_sockets = 0
 dedicated_numa_nodes = 0
 dedicated_cores = 0
 dedicated_threads = 0


$ lssubsys -am
cpuset /sys/fs/cgroup/cpuset
cpu,cpuacct /sys/fs/cgroup/cpu,cpuacct
blkio /sys/fs/cgroup/blkio
memory /sys/fs/cgroup/memory
devices /sys/fs/cgroup/devices
freezer /sys/fs/cgroup/freezer
net_cls,net_prio /sys/fs/cgroup/net_cls,net_prio
perf_event /sys/fs/cgroup/perf_event
hugetlb /sys/fs/cgroup/hugetlb
pids /sys/fs/cgroup/pids

还有一个可疑的部分，似乎服务器无法看到我已经在服务器配置文件中定义的节点。这可以在 /var/spool/torque/server_logs 日志文件中看到:

12/27/2016 15:48:33.147;01;PBS_Server.2692;Svr;PBS_Server;LOG_ERROR::get_node_from_str, Node node1 is reporting on node NapaValley, which pbs_server doesn't know about
12/27/2016 15:49:18.232;01;PBS_Server.2692;Svr;PBS_Server;LOG_ERROR::get_node_from_str, Node node1 is reporting on node NapaValley, which pbs_server doesn't know about
12/27/2016 15:49:25.491;08;PBS_Server.2696;Job;0.NapaValley;Job deleted at request of cquic@localhost
12/27/2016 15:49:27.023;08;PBS_Server.2657;Job;0.NapaValley;on_job_exit valid pjob: 0.NapaValley (substate=59)
12/27/2016 15:49:32.996;256;PBS_Server.2657;Job;0.NapaValley;dequeuing from batch, state COMPLETE
12/27/2016 15:49:59.722;256;PBS_Server.2696;Job;1.NapaValley;enqueuing into batch, state 1 hop 1
12/27/2016 15:49:59.722;08;PBS_Server.2696;Job;perform_commit_work;job_id: 1.NapaValley
12/27/2016 15:49:59.722;02;PBS_Server.2696;node;close_conn;Closing connection 9 and calling its accompanying function on close
12/27/2016 15:49:59.795;64;PBS_Server.2692;Req;node_spec;job allocation request exceeds currently available cluster nodes, 1 requested, 0 available
12/27/2016 15:49:59.796;08;PBS_Server.2692;Job;1.NapaValley;Job Modified at request of root@localhost
12/27/2016 15:50:03.312;01;PBS_Server.2696;Svr;PBS_Server;LOG_ERROR::get_node_from_str, Node node1 is reporting on node NapaValley, which pbs_server doesn't know about

在我的 /etc/hosts 上，我有

127.0.0.1 localhost node1
127.0.0.1 NapaValley

PS:我已经尝试将cpu和其他模块挂载到/var/spool/torque/cgroup目录下，但是lssubsys -am还是显示和上面一样的信息.我假设他们应该已经安装？

Answer 1

节点将使用 gethostbyname 调用返回的名称向服务器报告。根据您发布的日志行，服务器和节点不同意该名称。您可以通过使用 -H 选项启动 pbs_mom 来返回不同的名称:

http://docs.adaptivecomputing.com/torque/6-0-2/adminGuide/help.htm#topics/torque/commands/pbs_mom.htm#-h

“-H hostname 设置 MOM 的主机名。这在多宿主网络上很有用。”

这相当于在 /var/spool/torque/mom_priv/config 中设置 $mom_host node1。