Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Slurm Workload Manager (slurm
)
Dimensione e aggiornamento della capacità del cluster
La capacità del cluster è definita dal numero di nodi di calcolo scalabili dal cluster. I nodi di calcolo sono supportati da istanze Amazon EC2 definite all'interno delle risorse di calcolo nella (Scheduling/SlurmQueues/ComputeResources)
configurazione e sono organizzati in AWS ParallelCluster (Scheduling/SlurmQueues)
code che mappano 1:1 alle partizioni. Slurm
All'interno di una risorsa di elaborazione è possibile configurare il numero minimo di nodi di calcolo (istanze) che devono essere sempre mantenuti in esecuzione nel cluster () e il numero massimo di istanze fino a cui la risorsa di calcolo può scalare (3MinCount
). MaxCount
Al momento della creazione del cluster o dopo un aggiornamento del cluster, AWS ParallelCluster avvia tutte le istanze Amazon EC2 configurate per ogni risorsa di calcolo Scheduling/SlurmQueues/ ComputeResources
() definita MinCount
nel cluster. Le istanze avviate per coprire il numero minimo di nodi per le risorse di calcolo nel cluster sono chiamate nodi statici. Una volta avviati, i nodi statici sono pensati per essere persistenti nel cluster e non vengono terminati dal sistema, a meno che non si verifichi un evento o una condizione particolare. Tali eventi includono, ad esempio, il fallimento dei controlli di Slurm integrità di Amazon EC2 e la modifica dello stato del Slurm nodo in DRAIN o DOWN.
Le istanze Amazon EC2, nell'intervallo da 1 1
a ‘MaxCount -
MinCount’
(MaxCount
meno) MinCount)
, lanciate su richiesta per far fronte all'aumento del carico del cluster, sono denominate nodi dinamici. La loro natura è effimera, vengono avviate per eseguire lavori in sospeso e vengono terminate quando rimangono inattive per un periodo di tempo definito Scheduling/SlurmSettings/ScaledownIdletime
nella configurazione del cluster (impostazione predefinita: 10 minuti).
I nodi statici e i nodi dinamici sono conformi al seguente schema di denominazione:
-
Nodi statici dove
<Queue/Name>-st-<ComputeResource/Name>-<num>
<num> = 1..ComputeResource/MinCount
-
Nodi dinamici
<Queue/Name>-dy-<ComputeResource/Name>-<num>
dove<num> = 1..(ComputeResource/MaxCount - ComputeResource/MinCount)
Ad esempio, data la seguente AWS ParallelCluster configurazione:
Scheduling: Scheduler: Slurm SlurmQueues: - Name: queue1 ComputeResources: - Name: c5xlarge Instances: - InstanceType: c5.xlarge MinCount: 100 MaxCount: 150
I seguenti nodi verranno definiti in Slurm
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 50 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
Quando una risorsa di elaborazione lo haMinCount == MaxCount
, tutti i nodi di calcolo corrispondenti saranno statici e tutte le istanze verranno avviate al momento della creazione/aggiornamento del cluster e mantenute attive e funzionanti. Per esempio:
Scheduling: Scheduler: slurm SlurmQueues: - Name: queue1 ComputeResources: - Name: c5xlarge Instances: - InstanceType: c5.xlarge MinCount: 100 MaxCount: 100
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
Aggiornamento della capacità del cluster
L'aggiornamento della capacità del cluster include l'aggiunta o la rimozione di code, risorse di elaborazione o la modifica MinCount/MaxCount
di una risorsa di elaborazione. A partire dalla AWS ParallelCluster versione 3.9.0, la riduzione delle dimensioni di una coda richiede che il parco di elaborazione venga interrotto o QueueUpdateStrategyimpostato su TERMINATE prima che abbia luogo un aggiornamento del cluster. Non è necessario interrompere la flotta di elaborazione o impostare su TERMINATE quando: QueueUpdateStrategy
-
Aggiungere nuove code a Scheduling/
SlurmQueues
-
Aggiungere nuove risorse di calcolo a una coda
Scheduling/SlurmQueues/ComputeResources
-
Aumento della potenza
MaxCount
di una risorsa di calcolo -
Aumento MinCount di una risorsa di elaborazione e aumento MaxCount della stessa risorsa di elaborazione almeno della stessa quantità
Considerazioni e limitazioni
Questa sezione ha lo scopo di delineare eventuali fattori, vincoli o limitazioni importanti da tenere in considerazione durante il ridimensionamento della capacità del cluster.
-
Quando si rimuove una coda da
Scheduling/https://docs.aws.amazon.com/parallelcluster/latest/ug/Scheduling-v3.html#Scheduling-v3-SlurmQueuesSlurmQueues
tutti i nodi di elaborazione con nome<Queue/Name>-*
, sia statici che dinamici, verrà rimossa dalla Slurm configurazione e le istanze Amazon EC2 corrispondenti verranno terminate. -
Quando si rimuove una risorsa di calcolo
Scheduling/SlurmQueues/https://docs.aws.amazon.com/parallelcluster/latest/ug/Scheduling-v3.html#Scheduling-v3-SlurmQueues-ComputeResourcesComputeResources
da una coda, tutti i nodi di calcolo con nome<Queue/Name>-*-<ComputeResource/Name>-*
, statici e dinamici, verranno rimossi dalla Slurm configurazione e le istanze Amazon EC2 corrispondenti verranno terminate.
Quando si modifica il MinCount
parametro di una risorsa di calcolo, possiamo distinguere due diversi scenari, se MaxCount
viene mantenuto uguale a MinCount
(solo capacità statica) e se MaxCount
è maggiore MinCount
di (capacità statica e dinamica mista).
La capacità cambia solo con nodi statici
-
Se
MinCount == MaxCount
, aumentandoMinCount
(eMaxCount
), il cluster verrà configurato estendendo il numero di nodi statici al nuovo valore diMinCount
<Queue/Name>-st-<ComputeResource/Name>-<new_MinCount>
e il sistema continuerà a provare ad avviare istanze Amazon EC2 per soddisfare la nuova capacità statica richiesta. -
Se
MinCount == MaxCount
, diminuendoMinCount
(eMaxCount
) la quantità N, il cluster verrà configurato rimuovendo gli ultimi N nodi statici<Queue/Name>-st-<ComputeResource/Name>-<old_MinCount - N>...<old_MinCount>]
e il sistema interromperà le istanze Amazon EC2 corrispondenti.-
Stato iniziale
MinCount = MaxCount = 100
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
-
Aggiornamento
-30
suMinCount
eMaxCount: MinCount = MaxCount = 70
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 70 idle queue1-st-c5xlarge-[1-70]
-
Modifiche di capacità con nodi misti
SeMinCount < MaxCount
, aumentando MinCount
di un valore N (supponendo che MaxCount
venga mantenuto invariato), il cluster verrà configurato estendendo il numero di nodi statici al nuovo valore di MinCount
(old_MinCount + N
): <Queue/Name>-st-<ComputeResource/Name>-<old_MinCount +
N>
e il sistema continuerà a provare ad avviare istanze Amazon EC2 per soddisfare la nuova capacità statica richiesta. Inoltre, per rispettare la MaxCount
capacità della risorsa di elaborazione, la configurazione del cluster viene aggiornata rimuovendo gli ultimi N nodi dinamici <Queue/Name>-dy-<ComputeResource/Name>-[<MaxCount -
old_MinCount - N>...<MaxCount - old_MinCount>]
e il sistema interromperà le istanze Amazon EC2 corrispondenti.
-
Stato iniziale:
MinCount = 100; MaxCount = 150
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 50 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
-
Aggiorna +30 a
MinCount : MinCount = 130 (MaxCount = 150)
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 20 idle~ queue1-dy-c5xlarge-[1-20] queue1* up infinite 130 idle queue1-st-c5xlarge-[1-130]
SeMinCount < MaxCount
, aumentando MinCount
e MaxCount
della stessa quantità N, il cluster verrà configurato estendendo il numero di nodi statici al nuovo valore di MinCount
(old_MinCount + N
): <Queue/Name>-st-<ComputeResource/Name>-<old_MinCount +
N>
e il sistema continuerà a provare ad avviare istanze Amazon EC2 per soddisfare la nuova capacità statica richiesta. Inoltre, non verrà apportata alcuna modifica al numero di nodi dinamici per rispettare il nuovo
MaxCount
value.
-
Stato iniziale:
MinCount = 100; MaxCount = 150
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 50 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
-
Aggiorna +30 a
MinCount : MinCount = 130 (MaxCount = 180)
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 20 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 130 idle queue1-st-c5xlarge-[1-130]
SeMinCount < MaxCount
, diminuendo la MinCount
quantità N (supponendo che MaxCount
venga mantenuta invariata), il cluster verrà configurato rimuovendo gli ultimi N nodi statici dei nodi statici <Queue/Name>-st-<ComputeResource/Name>-[<old_MinCount -
N>...<old_MinCount>
e il sistema interromperà le istanze Amazon EC2 corrispondenti. Inoltre, per rispettare la MaxCount
capacità della risorsa di elaborazione, la configurazione del cluster viene aggiornata estendendo il numero di nodi dinamici per colmare il divario. MaxCount - new_MinCount:
<Queue/Name>-dy-<ComputeResource/Name>-[1..<MazCount -
new_MinCount>]
In questo caso, trattandosi di nodi dinamici, non verranno lanciate nuove istanze Amazon EC2 a meno che lo scheduler non abbia lavori in sospeso sui nuovi nodi.
-
Stato iniziale:
MinCount = 100; MaxCount = 150
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 50 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
-
Aggiornamento -30 su
MinCount : MinCount = 70 (MaxCount = 120)
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 80 idle~ queue1-dy-c5xlarge-[1-80] queue1* up infinite 70 idle queue1-st-c5xlarge-[1-70]
SeMinCount < MaxCount
, in diminuzione MinCount
e MaxCount
della stessa quantità N, il cluster verrà configurato rimuovendo gli ultimi N nodi statici <Queue/Name>-st-<ComputeResource/Name>-<old_MinCount -
N>...<oldMinCount>]
e il sistema interromperà le istanze Amazon EC2 corrispondenti.
Inoltre, non verrà apportata alcuna modifica al numero di nodi dinamici per rispettare il nuovo valore. MaxCount
-
Stato iniziale:
MinCount = 100; MaxCount = 150
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 50 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
-
Aggiornamento -30 su
MinCount : MinCount = 70 (MaxCount = 120)
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 80 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 70 idle queue1-st-c5xlarge-[1-70]
SeMinCount < MaxCount
, diminuendo la MaxCount
quantità N (supponendo MinCount
che venga mantenuta invariata), il cluster verrà configurato rimuovendo gli ultimi N nodi dinamici <Queue/Name>-dy-<ComputeResource/Name>-<old_MaxCount -
N...<oldMaxCount>]
e il sistema interromperà le istanze Amazon EC2 corrispondenti nel caso in cui fossero in esecuzione. Non è previsto alcun impatto sui nodi statici.
-
Stato iniziale:
MinCount = 100; MaxCount = 150
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 50 idle~ queue1-dy-c5xlarge-[1-50] queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
-
Aggiornamento -30 su
MaxCount : MinCount = 100 (MaxCount = 120)
-
$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST queue1* up infinite 20 idle~ queue1-dy-c5xlarge-[1-20] queue1* up infinite 100 idle queue1-st-c5xlarge-[1-100]
Impatti sui lavori
In tutti i casi in cui i nodi vengono rimossi e le istanze Amazon EC2 terminate, un job sbatch in esecuzione sui nodi rimossi verrà nuovamente messo in coda, a meno che non vi siano altri nodi che soddisfino i requisiti del processo. In quest'ultimo caso, il processo avrà esito negativo con lo stato NODE_FAIL e scomparirà dalla coda; in tal caso, sarà necessario inviarlo nuovamente manualmente.
Se si prevede di eseguire un aggiornamento per il ridimensionamento del cluster, è possibile impedire l'esecuzione dei lavori nei nodi che verranno rimossi durante l'aggiornamento pianificato. Ciò è possibile impostando i nodi da rimuovere durante la manutenzione. Tieni presente che l'impostazione di un nodo in manutenzione non influirebbe sui lavori che alla fine sono già in esecuzione nel nodo.
Supponiamo che con l'aggiornamento pianificato per il ridimensionamento del cluster si voglia rimuovere il nodoqeueu-st-computeresource-[9-10
]. È possibile creare una Slurm prenotazione con il seguente comando
sudo -i scontrol create reservation ReservationName=maint_for_update user=root starttime=now duration=infinite flags=maint,ignore_jobs nodes=qeueu-st-computeresource-[9-10]
Questo creerà una Slurm prenotazione denominata maint_for_update
sui nodiqeueu-st-computeresource-[9-10]
. Dal momento in cui viene creata la prenotazione, non è possibile eseguire altri lavori nei nodiqeueu-st-computeresource-[9-10]
. Tieni presente che la prenotazione non impedirà l'assegnazione finale dei lavori sui nodiqeueu-st-computeresource-[9-10]
.
Dopo l'aggiornamento del ridimensionamento del cluster, se la Slurm prenotazione è stata impostata solo sui nodi che sono stati rimossi durante l'aggiornamento del ridimensionamento, la prenotazione di manutenzione verrà automaticamente eliminata. Se invece hai creato una Slurm prenotazione sui nodi che sono ancora presenti dopo l'aggiornamento del ridimensionamento del cluster, potremmo voler rimuovere la prenotazione di manutenzione sui nodi dopo l'esecuzione dell'aggiornamento di ridimensionamento, utilizzando il seguente comando
sudo -i scontrol delete ReservationName=maint_for_update
Per ulteriori dettagli sulla Slurm prenotazione, consulta il documento ufficiale di SchedMD qui.
Processo di aggiornamento del cluster in caso di modifiche alla capacità
In caso di modifica della configurazione dello scheduler, durante il processo di aggiornamento del cluster vengono eseguiti i seguenti passaggi:
-
Interrompi AWS ParallelCluster
clustermgtd (supervisorctl stop clustermgtd)
-
Genera una configurazione aggiornata Slurm delle partizioni dalla AWS ParallelCluster configurazione
-
Riavvio
slurmctld
(eseguito tramite la ricetta del servizio Chef) -
Controlla
slurmctld
lo stato(systemctl is-active --quiet slurmctld.service)
-
Ricarica la configurazione Slurm
(scontrol reconfigure)
-
Avvia
clustermgtd (supervisorctl start clustermgtd)
Per informazioni in meritoSlurm, vedere https://slurm.schedmd.com
AWS ParallelCluster versione (e) | Versione di Slurm supportata |
---|---|
3.9.2, 3.9.3, 3.10.0 |
23,11,7 |
3,9,0, 3,9,1 |
23,11,4 |
3.8.0 |
23,02,7 |
3.7.2 |
23,02,6 |
3.7.1 |
23,02,5 |
3.7.0 |
23,02,4 |
3.6.0, 3.6.1 |
23,02,2 |
3,5,0, 3,5,1 |
22,05,8 |
3.4.0, 3.4.1 |
22,05-7 |
3.3.0, 3.3.1 |
22,05,5 |
3.1.4, 3.1.5, 3.2.0, 3.2.1 |
21,08,8-2 |
3.1.2, 3.1.3 |
21,08,6 |
3.1.1 |
21,08,5 |
3.0.0 |
20,11,8 |
Argomenti
- Configurazione di più code
- Slurmguida per la modalità a coda multipla
- Slurmmodalità protetta dal cluster
- Slurmfailover rapido e insufficiente della capacità del cluster
- Slurmpianificazione basata sulla memoria
- Allocazione di più tipi di istanza con Slurm
- Scalabilità del cluster per nodi dinamici
- Slurmcontabilità con AWS ParallelCluster
- Slurmpersonalizzazione della configurazione
- Slurmprolog e epilog
- Dimensioni e aggiornamento della capacità del cluster