我在SLURM上运行以下作业数组： #!scavenge#SBATCH --time=1:00:00
python run.py ${SLURM_ARRAY_TASK_ID} 我的许多作业错误如下： slurmstepd: error: *** JOB 63830645 ON p08r06n17 CANCELLED AT 2020-08-18T21:40:52 DUE TOPREEMP
浏览 339提问于2020-08-19得票数 2
回答已采纳
我的目标是使用slurm依赖关系构建一个管道，并处理slurm作业崩溃的情况。
基于下面的和第29节，建议使用scontrol requeue $jobID，这将重新排队已经取消的作业。如果可以从提交脚本中检测到作业崩溃，并且崩溃是随机的，那么您可以简单地使用scontrol requeue $SLURM_JOB_ID请求作业，以便它再次运行。在
浏览 0提问于2018-05-13得票数 5
回答已采纳
1回答
我试图在Slurm19.05集群中设置一个抢占，但我不知道如何使抢占工作像我计划的那样工作。---------- ---------- ---------- premium 5000 normal
PartitionName=Compute OverSubscribe=FORCE:1 State
浏览 2提问于2019-08-29得票数 2
作为用户(而不是管理员)，我有没有办法查找在某个时刻被抢占，然后重新排队的作业？我试过了：没有得到任何东西，但我认为这个命令实际上不应该起作用，因为被抢占然后重新排队的作业最终不会以抢占状态结束
浏览 0提问于2016-11-22得票数 0
1回答
我有一个Slurm作业数组，它的作业文件包含一个--requeue指令。以下是完整的作业文件：#SBATCH --mail-user=douglas.duhaime@gmail.compython3 cats.py ${SLURM_ARRAY_TASK_ID} 'cats'
几个数组值至少重新启动了一次。我想知道，这些作业</
浏览 33提问于2018-07-21得票数 2
回答已采纳
我必须运行300个相同型号(黑盒)的作业。然而，有时在模型内部发生分段故障，并显示以下错误消息：集群使用SLURM作为资源管理器，如果失败，我希望自动重新排队此作业
浏览 4提问于2017-03-13得票数 3
1回答
我希望构建一个自动创建和删除节点的集群环境。作业将使用Slurm分发到各个节点。两个问题：
是否为Slurm工作人员设置了一个代理或类似的代理，以便节点自动向头节点注册？可以在运行时更改Slurm配置文件吗？(因为可以添加或删除新的工作节点)。
浏览 6提问于2022-03-21得票数 0
我对SLURM相当陌生:我使用的网格有许多不同的用户，当他们提交或取消作业时，其他用户似乎无法查询分区状态等等。这是非常令人沮丧的，特别是当创建作业时，由于控制器繁忙而导致其他作业失败的情况。
浏览 3提问于2014-04-11得票数 1
回答已采纳
我有一个程序，它将在作业执行期间动态释放资源，使用以下命令：然而，这有时会导致一些非常奇怪的行为。作业重新排队的地方。下面是萨克特的输出。06:42 1:12:42 0827，tnxt-0663第一行显示一切正常，节点正在释放，但在最后一行中，它显示了一组完全不同的节点s
浏览 1提问于2018-12-05得票数 0
2回答
由于服务器是由一组人共享的，所以它使用slurm对作业进行排队。服务器有32个核心，但他们要求我在我调整脚本时只使用8个，然后在我想运行最后的模拟时使用24个。我已经将slurm配置为以以下方式调用我的脚本：然后，我使用sbatch执行slurm文件。omc的编译很好。当它开始模拟服务器的所有32个核心时，即使它被配置为只使用
浏览 3提问于2018-01-05得票数 0
回答已采纳
我有一个很大的任务，我想把它分成几个部分，并使用slurm并行运行。具体来说，我想将工作分成更多的部分，而不是在我的系统上用我想要分配的资源同时运行。我想到的基本成语是调用sbatch，将工作划分为k (大于某些并发任务的最大N数)部分，并有slurm队列任务，直到有可用的资源来运行它们。当我尝试运行这个程序时，我会看到一堆Resource temporarily unavailable错误，许多作业</em
浏览 1提问于2022-02-17得票数 1
回答已采纳
slurm-7613738.out <==## 2: node-76## 3: node-77脚本4
## ==>
浏览 4提问于2017-09-29得票数 1
回答已采纳
我提交了很多有调试时间限制的SLURM作业脚本(我忘记更改实际运行的时间)。现在它们都是同时提交的，所以它们都是从作业ID 197xxxxx开始的。
浏览 0提问于2018-01-16得票数 28
回答已采纳
我在集群上使用Snakemake，我不知道如何最好地处理一些作业可能被抢占的事实。为了在我使用的集群上获得更多的能力，可以访问其他团队的资源，但有被抢占的风险，这包括停止正在进行的作业，并重新调度它。一旦资源可用，它将再次启动。当您有许多快速作业要运行时，这一点尤其有用。，这可能导致认为被抢占的作业失败。更令人恼火的</
浏览 12提问于2021-04-29得票数 2
我以为MaxRSS是用来理解SLURM作业的内存需求的；然而，现在我在质疑自己。
我使用sacct来检查作业失败的原因；但是，它似乎由于OOM错误而失败。这看起来很奇怪，因为它只尝试使用请求的1.6
浏览 4提问于2020-10-26得票数 4
回答已采纳
2回答
我需要在slurm上运行10,000个作业(假设每个作业需要30分钟)。目前的计划是使用作业数组，并行使用250个内核，如下所示：不幸的是，sys管理员并没有改变slurm的MaxArraySize(从默认的1001)。我对bash不是很有经验，而且我对所有东西都有一个python包装器，所以我想我应该用python (另外，我在job
浏览 2提问于2017-09-22得票数 0
我正在寻找一种方法来设置一个作业排队系统在python，如RQ或芹菜。我正在使用弹性豆茎进行部署。
我目前正在使用RQ，但我面临着以下问题:如果工人被杀，工作就会丢掉。我想让它自动重新排队。我有长时间运行的作业(有些可以持续1小时)。有时，我们可能需要重新启动服务器或部署新版本，而不是等待所有作业完成。有时，一些重要的容器出现故障，导致所有其他容器重新启动。在重启期间，Beanst
浏览 1提问于2020-09-18得票数 0
假设我通过Jenkins、通过Rest方式(即通过一些自动化/集成/上游作业调用此作业)手动启动多个构建，-or通过Jenkins CLI -or。我现在明白了，有一个詹金斯正在构建，正在进行中的-和所有其他的N- no.的运行是在“排队”模式。假设在队列中我已经接近100+这样的构建(准备在正在进行的构建完成后立即启动)，我正在试图看看是否有一种方法可以暂停现有的排队构建 (PS:，我不想<em
浏览 1提问于2017-08-14得票数 3
回答已采纳
2回答
作业调度软件
、、、
我正在寻找软件，以改善我的工作流程，当运行计算(数字)演示。
我想做作业脚本，然后离开它们。(与我目前的情况不同，你可以像母鸡一样管理一份工作，看着它工作。这是浪费时间。)我想安排多个作业，并让他们运行时，计算机容量是免费的。基本上，我说了8个计算实验，我不能一次全部运行，因为其中2个占用24 my的RAM，其余的使用10 my，(我的系统只有32
浏览 0提问于2014-03-19得票数 4
我使用了一个矩阵，其中每个构建都运行一个特定的Docker映像。在我的应用程序的构建过程或测试运行期间，我看到频繁的重启。不确定这是否与Docker有关，但如何解释频繁的重启？
浏览 0提问于2015-10-11得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
