在中运行单节点作业 AWS PCS

要使用 Slurm 运行作业，您需要准备一个指定作业要求的提交脚本，然后使用命令将其提交到队列。sbatch通常，这是在共享目录中完成的，因此登录和计算节点有一个用于访问文件的公共空间。

连接到集群的登录节点，并在其 shell 提示符下运行以下命令。

• 成为默认用户。切换到共享目录。

  sudo su - ec2-user
  cd /shared

• 使用以下命令创建示例作业脚本：

  cat << EOF > job.sh
  #!/bin/bash
  #SBATCH -J single
  #SBATCH -o single.%j.out
  #SBATCH -e single.%j.err
  
  echo "This is job \${SLURM_JOB_NAME} [\${SLURM_JOB_ID}] running on \${SLURMD_NODENAME}, submitted from \${SLURM_SUBMIT_HOST}" && sleep 60 && echo "Job complete"
  EOF

• 将作业脚本提交给 Slurm 调度器：

  sbatch -p demo job.sh

• 提交作业后，它将以数字形式返回作业 ID。使用该 ID 来检查任务状态。Replace（替换） job-id 在以下命令中，返回的数字来自于sbatch。

  squeue --job job-id

  squeue --job 1

  该squeue命令返回的输出类似于以下内容：

  JOBID PARTITION NAME USER     ST TIME NODES NODELIST(REASON)
  1     demo      test ec2-user CF 0:47 1     compute-1

• 继续检查作业的状态，直到它达到R（正在运行）状态。当squeue没有返回任何东西时，工作就完成了。

• 检查/shared目录的内容。

  ls -alth /shared

  命令输出类似于以下内容：

  -rw-rw-r- 1 ec2-user ec2-user 107 Mar 19 18:33 single.1.out
  -rw-rw-r- 1 ec2-user ec2-user 0 Mar 19 18:32 single.1.err
  -rw-rw-r- 1 ec2-user ec2-user 381 Mar 19 18:29 job.sh

  single.1.err这些文件名为single.1.out、由集群的一个计算节点写入。由于作业是在共享目录 (/shared) 中运行的，因此它们也可以在您的登录节点上使用。这就是您为该集群配置 fo FSx r Lustre 文件系统的原因。

• 检查single.1.out文件内容。

  cat /shared/single.1.out

  输出类似于以下内容：

  This is job test [1] running on compute-1, submitted from ip-10-3-13-181
  Job complete