parallel-processing - 集群中多个节点的 Julia 并行计算

Question

我正在共享集群上运行一些作业，并且我一直在尝试一次使用多个节点。虽然使用 julia -p #processors 对一个节点上的核心有效，但它找不到其他节点。集群正在使用 SGE，我尝试了很多不同的方法来使节点工作，但只有一个在工作。 Julia 中是否有一种简单的方法可以使用 julia -mpi 32 或类似的东西启动 Julia？
使用

using ClusterManagers
println(nworkers(),nprocs(),Sys.CPU_CORES)
ClusterManagers.addprocs_sge(16)
ClusterManagers.addprocs_sge(15)
println(nworkers(),nprocs(),Sys.CPU_CORES)

不起作用(我提交了一个作业，在 SGE 上保留了 2 个节点，每个节点有 16 个内核)，作业的输出文件是空的，我得到了 16 个不同的输出文件 julia-70755.o8252776。 * (* = 1...16) 带有以下文本:

julia_worker:9009#192.168.17.206
Master process (id 1) could not connect within 60.0 seconds.
exiting.

使用 julia --machinefile $PE_HOSTFILE 启动 Julia 也失败了:

Warning: Permanently added the RSA host key for IP address '192.168.18.10' to th
e list of known hosts.
ERROR: connect: invalid argument (EINVAL)
 in uv_error at ./libuv.jl:68 [inlined]
 in connect!(::TCPSocket, ::IPv4, ::UInt16) at ./socket.jl:652
 in connect!(::TCPSocket, ::SubString{String}, ::UInt16) at ./socket.jl:688
 in connect at ./stream.jl:959 [inlined]
 in connect_to_worker(::SubString{String}, ::Int16) at ./managers.jl:483
 in connect(::Base.SSHManager, ::Int64, ::WorkerConfig) at ./managers.jl:425
 in create_worker(::Base.SSHManager, ::WorkerConfig) at ./multi.jl:1786
 in setup_launched_worker(::Base.SSHManager, ::WorkerConfig, ::Array{Int64,1}) a
t ./multi.jl:1733
 in (::Base.##669#673{Base.SSHManager,Array{Int64,1}})() at ./task.jl:360
 in sync_end() at ./task.jl:311
 in macro expansion at ./task.jl:327 [inlined]
 in #addprocs_locked#665(::Array{Any,1}, ::Function, ::Base.SSHManager) at ./mul
ti.jl:1688
 in (::Base.#kw##addprocs_locked)(::Array{Any,1}, ::Base.#addprocs_locked, ::Bas
e.SSHManager) at ./<missing>:0
 in #addprocs#664(::Array{Any,1}, ::Function, ::Base.SSHManager) at ./multi.jl:1
658
 in (::Base.#kw##addprocs)(::Array{Any,1}, ::Base.#addprocs, ::Base.SSHManager) 
at ./<missing>:0
 in #addprocs#764(::Bool, ::Cmd, ::Int64, ::Array{Any,1}, ::Function, ::Array{An
y,1}) at ./managers.jl:112
 in process_options(::Base.JLOptions) at ./client.jl:227
 in _start() at ./client.jl:321
UndefRefError()

有人建议我使用 MPI.jl 包，但在我看来它并不真正支持 julia parallel 语法，我只是通过编写 @ 来使用它在我想并行运行的 for 循环之前同步 @parallel(即 Metropolis-Montecarlo)。

Answer 1

IT 团队回复我并告诉我 SGE 不允许无密码 ssh，这就是 addprocs_sge() 不起作用的原因。然而，他们现在为我可以传递给 Julia 的作业添加了一个文件，并告诉我使用这个脚本运行该作业:

qlogin -pe mpi_28_tasks_per_node 56
module load julia/0.5.1
julia --machinefile $TMPDIR/machines

机器文件如下所示:

::::::::::::::
/scratch/8548498.1.u/machines
::::::::::::::
{hostname1}
{hostname1}
...
{hostname2}
{hostname2}