Slurm 不会分配资源并继续等待

Question

我正在尝试使用我们的集群，但我有问题。我尝试分配一些资源：

salloc -N 1 --ntasks-per-node=5 bash

但它一直在徘徊：

萨洛克： 待分配的工作...

萨洛克： 工作...已排队并等待资源

或者当我尝试时：

srun -N1 -l echo test

它徘徊在等待队列中！

是我犯了错误还是我们的集群有问题？

Answer 1

使用选项--time为 Slurm 作业设置时间限制可能会有所帮助，例如，将限制设置为 10 分钟，如下所示：

srun --job-name="myJob" --ntasks=4 --nodes=2 --time=00:10:00 --label echo test

如果没有时间限制，Slurm 将使用分区的默认时间限制。问题是有时这可能设置为无穷大或几天，因此这可能会导致作业启动延迟。要检查分区的默认时间限制，请使用：

$ sinfo
PARTITION AVAIL  TIMELIMIT  NODES  STATE NODELIST 
prod*        up   infinite    198  ....
gpu*         up 4-00:00:00     70  ....

来自 Slurm 文档：

-t, --time=<time>对作业分配的总运行时间设置限制。如果请求的时间限制超过分区的时间限制，则作业将保持 PENDING 状态(可能无限期(。默认时间限制是分区的默认时间限制。当达到时间限制时，每个作业步骤中的每个任务都会被发送 SIGTERM，然后是 SIGKILL。