高性能计算平台自动伸缩最佳实践-实践教程-文档中心-腾讯云

本文以使用 VASP 软件进行高性能计算介绍如何配置自动伸缩策略。
背景信息
当您需要每天不定时提交作业，使用 THPC 集群几个小时进行大规模计算， 然后释放节点，您可以针对不同的作业类型，配置不同的伸缩策略。配置伸缩策略后，系统可以根据实时负载自动增加或减少计算节点。可以帮您合理利用资源，减少使用成本。
前置条件
请依照 准备工作 中的指引获取 SecretId 和 SecretKey，并完成  服务角色授权。
操作步骤
1. 安装最新版本的 TCCLI 命令工具 ，并进行 初始化配置 请参见 THPC 地域列表。
2. 使用 CreateCluster 接口创建一个有 1 个 管控节点 0 个 计算节点 的 THPC 集群。
注意
需要把 AutoScalingType 设置为 THPC_AS，调用后续步骤的 SetAutoScalingConfiguration 接口才会生效。
Placement 为 TCCLI Region 地域对应可用区。
VirtualPrivateCloud 设置需要是集群同可用区的 VPC ID，子网 ID。
管控节点登录密码设置请参见  LoginSettings。                                                                                    
支持的基础镜像版本请参见 镜像支持，或者可以基于基础镜像版本 创建自定义镜像，传入自定义镜像 ID。
集群创建时如果您不指定挂载目录 ，将自动为您在 /opt 目录下创建并挂载 CFS，所有节点共享这一目录，您可以在这个目录下安装您业务需要的软件，本文默认您已在 /opt 目录下安装编译完成依赖的 Intel oneAPI 和 VASP 软件。
 执行命令：
tccli thpc CreateCluster --cli-input-json file://./test.json
test.json 文件参数配置可参见：
{
    "Placement": {
        "Zone": "ap-chongqing-1"
    },
    "ManagerNodeCount": 1,
    "ManagerNode": {
        "InternetAccessible": {
            "InternetMaxBandwidthOut": 10
        },
        "InstanceName": "ThpcTestSlurmManagerNode",
        "InstanceType": "S5.MEDIUM4"
    },
    "SchedulerType": "SLURM",
    "LoginSettings": {
        "Password": "xxxxxxxx"
    },
    "ImageId": "img-l8og963d",
    "VirtualPrivateCloud": {
        "VpcId": "vpc-r9jw2jzv",
        "SubnetId": "subnet-0v4eybey"
    },
    "AutoScalingType": "THPC_AS"
}
提交请求并执行完毕后，您需要记录 ClusterId：
﻿
﻿
使用 ClusterId 查询集群状态：
tccli thpc DescribeClusters --ClusterIds '["hpc-xxxxxxxx"]'
返回结果，其中：
ClusterStatus 为 RUNNING 状态表示集群创建完成，可以开始使用。
ClusterStatus 为 INITING 状态表示集群正在初始化中，需要等待直到为 RUNNING或者 INIT_FAILED 状态之一。
ClusterStatus 为 INIT_FAILED 状态表示集群创建失败，您可以使用 API Explorer 查看集群活动 查看详细集群状态信息。
﻿
﻿
3. 使用 SetAutoScalingConfiguration  接口开启 THPC AS 功能。
tccli thpc SetAutoScalingConfiguration --cli-input-json file://./SetAutoScalingConfiguration.json
{
 "ClusterId": "hpc-xxxxxxxx",      
 "ExpansionBusyTime": 120,        
 "ShrinkIdleTime": 120,           
 "QueueConfigs": [{
     "QueueName": "compute",       
     "MinSize": 1,                 
     "MaxSize": 5,                 
     "EnableAutoExpansion": true,  
     "EnableAutoShrink": true,     
     "ExpansionNodeConfigs": [{
         "Placement": {
             "Zone": "ap-chongqing-1"
         },
         "VirtualPrivateCloud": {
             "VpcId": "vpc-r9jw2jzv",
             "SubnetId": "subnet-0v4eybey"
         },
         "InstanceType": "S6.4XLARGE32"
     }, {
         "Placement": {
             "Zone": "ap-chongqing-1"
         },
         "VirtualPrivateCloud": {
             "VpcId": "vpc-r9jw2jzv",
             "SubnetId": "subnet-0v4eybey"
         },
         "InstanceType": "S6.2XLARGE32"
     }]
 }]
}
以上 SetAutoScalingConfiguration.json 文件接口配置好集群自动扩缩容参数如下：
开启 Slurm 调度器 compute 队列的自动扩容能力，THPC 会根据扩容策略对连续等待超过120秒的作业进行自动扩容，并且弹性节点的最大值不超过5个。ExpansionBusyTime 参数取值最小值为120s。
开启 Slurm 调度器 compute 队列的自动缩容能力，THPC 会对连续空闲超过120s的节点进行自动缩容，并且弹性节点的最小值不小于1个。ShrinkIdleTime 取值最小值为0s。
compute 队列配置了两个扩容机型。
序号
机型
CPU
1
S6.4XLARGE32
16
2
S6.2XLARGE32
8
4. 登录管控节点提交 VASP 作业：
submit.sh 脚本内容如下，脚本提交一个 vasp 作业，在一个节点上使用8个核运行：
#!/bin/sh
#SBATCH -p compute
#SBATCH -o job.%j.out
#SBATCH --nodes=2
#SBATCH --ntasks-per-node=8
#SBATCH -D /opt/graphene
﻿
source /opt/intel/oneapi/setvars.sh
/opt/intel/oneapi/mpi/2021.7.0/bin/mpirun -n 16 /opt/vasp.6.3.0/bin/vasp_std
提交作业前，集群没有任何节点存在：
﻿
﻿

提交作业：
sbatch submit.sh
5. 集群扩容并执行作业，作业结束后缩容到0节点。
提交作业之后，THPC 会根据扩容策略，扩容出最匹配的两个8核的 S6.2XLARGE32 实例。等待约4～8分钟后，节点加入集群并运行提交的作业。
说明
等待的时间主要包括作业连续等待时间 120 秒、创建实例的时间和节点创建完初始化并加入集群的时间。
﻿
﻿

任务执行完成之后,节点进入空闲（idle）状态：
﻿
﻿

等待2～3分钟之后，会进行自动缩容到最小节点数：
﻿
﻿

6. 使用完毕后，使用如下命令删除集群，关联的计算实例将会被销毁。 CFS 文件存储不会删除，如果您需要销毁，可前往 CFS 控制台。
tccli thpc DeleteCluster --ClusterId hpc-xxxxxxxx
﻿
﻿
自动伸缩最佳实践

本页目录：

背景信息

前置条件

操作步骤
