本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
嘗試建立叢集
使用 AWS ParallelCluster 版本 3.5.0 及更新版本建立叢集,且叢集建立失敗且--rollback-on-failure
設為時false
,請使用 pcluster describe-cluster CLI 命令取得狀態和失敗資訊。在這種情況下,預期clusterStatus
的pcluster describe-cluster
輸出是CREATE_FAILED
。檢查輸出中的failures
部分以找到failureCode
和failureReason
。然後,在以下部分中,找到相符failureCode
的其他疑難排解說明。如需詳細資訊,請參閱 pcluster describe-cluster。
在下列各節中,我們建議您檢查 head 節點上的記錄檔,例如/var/log/cfn-init.log
和/var/log/chef-client.log
檔案。如需有關 AWS ParallelCluster 記錄檔及其檢視方式的詳細資訊,請參閱調試的關鍵日誌和擷取和保留記錄。
如果您沒有failureCode
,請瀏覽至 AWS CloudFormation 主控台以檢視叢集堆疊。檢查其他資源的HeadNodeWaitCondition
或失敗,以尋找其他失敗詳細資訊。Status Reason
如需詳細資訊,請參閱 查看 AWS CloudFormation 事件 CREATE_FAILED。檢查頭節點上的/var/log/cfn-init.log
和/var/log/chef-client.log
文件。
failureCode
是 OnNodeConfiguredExecutionFailure
-
為什麼會失敗?
您在組態中
OnNodeConfigured
的 head 節點區段中提供了自訂指令碼,以建立叢集。但是,自訂指令碼無法執行。 -
如何解決?
檢查
/var/log/cfn-init.log
檔案以進一步瞭解失敗,以及如何修正自訂指令碼中的問題。接近此記錄檔結尾時,您可能會在訊息後看到與OnNodeConfigured
指令碼相關的執行資Running command runpostinstall
訊。
failureCode
是 OnNodeConfiguredDownloadFailure
-
為什麼會失敗?
您在組態中
OnNodeConfigured
的 head 節點區段中提供了自訂指令碼,以建立叢集。不過,自訂指令碼無法下載。 -
如何解決?
請確定 URL 有效,而且存取權設定正確。如需有關自訂啟動程序指令碼組態的詳細資訊,請參閱自訂引導動作。
檢查
/var/log/cfn-init.log
檔案。接近此記錄檔結尾時,您可能會在訊Running command runpostinstall
息後看到與OnNodeConfigured
指令碼處理相關的執行資訊,包括下載。
failureCode
是 OnNodeConfiguredFailure
-
為什麼會失敗?
您在組態中
OnNodeConfigured
的 head 節點區段中提供了自訂指令碼,以建立叢集。不過,叢集部署中使用自訂指令碼失敗。無法確定立即原因,需要進行額外的調查。 -
如何解決?
檢查
/var/log/cfn-init.log
檔案。接近此記錄檔結尾時,您可能會在訊息後看到與OnNodeConfigured
指令碼處理相關的執行資Running command runpostinstall
訊。
failureCode
是 OnNodeStartExecutionFailure
-
為什麼會失敗?
您在組態中
OnNodeStart
的 head 節點區段中提供了自訂指令碼,以建立叢集。但是,自訂指令碼無法執行。 -
如何解決?
檢查
/var/log/cfn-init.log
檔案以進一步瞭解失敗,以及如何修正自訂指令碼中的問題。接近此記錄檔結尾時,您可能會在訊息後看到與OnNodeStart
指令碼相關的執行資Running command runpreinstall
訊。
failureCode
是 OnNodeStartDownloadFailure
-
為什麼會失敗?
您在組態中
OnNodeStart
的 head 節點區段中提供了自訂指令碼,以建立叢集。不過,自訂指令碼無法下載。 -
如何解決?
請確定 URL 有效,而且存取權設定正確。如需有關自訂啟動程序指令碼組態的詳細資訊,請參閱自訂引導動作。
檢查
/var/log/cfn-init.log
檔案。接近此記錄檔結尾時,您可能會在訊Running command runpreinstall
息後看到與OnNodeStart
指令碼處理相關的執行資訊,包括下載。
failureCode
是 OnNodeStartFailure
-
為什麼會失敗?
您在組態中
OnNodeStart
的 head 節點區段中提供了自訂指令碼,以建立叢集。不過,叢集部署中使用自訂指令碼失敗。無法確定立即原因,需要進行額外的調查。 -
如何解決?
檢查
/var/log/cfn-init.log
檔案。接近此記錄檔結尾時,您可能會在訊息後看到與OnNodeStart
指令碼處理相關的執行資Running command runpreinstall
訊。
failureCode
是 EbsMountFailure
-
為什麼會失敗?
叢集配置中定義的 EBS 磁碟區無法掛載。
-
如何解決?
檢查
/var/log/chef-client.log
檔案中的失敗詳細資訊。
failureCode
是 EfsMountFailure
-
為什麼會失敗?
叢集組態中定義的 Amazon EFS 磁碟區無法掛接。
-
如何解決?
如果您定義了現有的 Amazon EFS 檔案系統,請確定叢集和檔案系統之間允許流量。如需詳細資訊,請參閱 SharedStorageEfsSettings//FileSystemId。
檢查
/var/log/chef-client.log
檔案中的失敗詳細資訊。
failureCode
是 FsxMountFailure
-
為什麼會失敗?
叢集組態中定義的 Amazon FSx 檔案系統無法掛載。
-
如何解決?
如果您定義了現有的 Amazon FSx 檔案系統,請確定叢集和檔案系統之間允許流量。如需詳細資訊,請參閱 SharedStorageFsxLustreSettings//FileSystemId。
檢查
/var/log/chef-client.log
檔案中的失敗詳細資訊。
failureCode
是 RaidMountFailure
-
為什麼會失敗?
叢集配置中定義的 RAID 卷冊無法掛載。
-
如何解決?
檢查
/var/log/chef-client.log
檔案中的失敗詳細資訊。
failureCode
是 AmiVersionMismatch
-
為什麼會失敗?
用於建立自訂 AMI 的 AWS ParallelCluster 版本與用於設定叢集的 AWS ParallelCluster 版本不同。在 CloudFormation 主控台中,檢視叢集 CloudFormation 堆疊詳細資料,並檢查
HeadNodeWaitCondition
以取得有關 AWS ParallelCluster 版本和 AMI 的其他詳細資料。Status Reason
如需詳細資訊,請參閱 查看 AWS CloudFormation 事件 CREATE_FAILED。 -
如何解決?
確保用於創建自定義 AMI 的 AWS ParallelCluster 版本與用於配置集群的 AWS ParallelCluster 版本相同。您可以變更自訂 AMI 版本或
pcluster
CLI 版本以使其相同。
failureCode
是 InvalidAmi
-
為什麼會失敗?
自定義 AMI 無效,因為它不是使用 AWS ParallelCluster.
-
如何解決?
使用
pcluster build-image
指令將 AMI 設為父映像來建立 AMI。如需詳細資訊,請參閱 pcluster build-image。
failureCode
failureReason
無法設置頭節點。HeadNodeBootstrapFailure
-
為什麼會失敗?
無法確定立即原因,需要進行額外的調查。例如,可能是叢集處於受保護狀態,這可能是因為無法佈建靜態運算叢集所造成。
-
如何解決?
檢查
/var/log/chef-client.log.
檔案中的失敗詳細資訊。注意
如果您看到
RuntimeError
例外狀況Cluster state has been set to PROTECTED mode due to failures detected in static node provisioning
,表示叢集處於受保護狀態。如需詳細資訊,請參閱 如何調試受保護模式。
failureCode
failureReason
叢集建立逾時。HeadNodeBootstrapFailure
-
為什麼會失敗?
根據預設,叢集建立完成的時間限制為 30 分鐘。如果叢集建立尚未在此時間範圍內完成,叢集建立會失敗,並顯示逾時錯誤。叢集建立可能會因為不同的原因而逾時。例如,逾時失敗可能是由於頭節點建立失敗、網路問題、在頭節點執行時間過長的自訂指令碼、在計算節點中執行的自訂指令碼中產生錯誤,或是計算節點佈建的等待時間過長。無法確定立即原因,需要進行額外的調查。
-
如何解決?
檢查
/var/log/cfn-init.log
和/var/log/chef-client.log
檔案以取得失敗詳細資訊。如需有關 AWS ParallelCluster 記錄檔及如何取得記錄檔的詳細資訊,請參閱調試的關鍵日誌和擷取和保留記錄。您可能會在這些日誌中發現以下內容。
-
看到
Waiting for static fleet capacity provisioning
附近的盡頭chef-client.log
這表示叢集建立在等待靜態節點開機時逾時。如需詳細資訊,請參閱 在計算節點初始化中看到錯誤。
-
查看
OnNodeConfigured
或OnNodeStart
頭節點腳本未在結束時完成cfn-init.log
這表示
OnNodeConfigured
或OnNodeStart
自訂指令碼需要很長時間才能執行,並造成逾時錯誤。檢查您的自定義腳本是否存在可能導致其長時間運行的問題。如果您的自訂指令碼需要很長時間才能執行,請考慮將DevSettings
區段新增至叢集配置檔,以變更逾時限制,如下列範例所示:DevSettings: Timeouts: HeadNodeBootstrapTimeout: 1800 # default setting: 1800 seconds
-
找不到日誌,或者頭節點未成功創建
頭節點可能未成功創建,並且無法找到日誌。在 CloudFormation 主控台中,檢視叢集堆疊詳細資料,以檢查其他失敗詳細資料。
-
failureCode
failureReason
無法啟動頭節點。HeadNodeBootstrapFailure
-
為什麼會失敗?
無法確定立即原因,需要進行額外的調查。
-
如何解決?
檢查
/var/log/cfn-init.log
和/var/log/chef-client.log
檔案。
failureCode
是 ResourceCreationFailure
-
為什麼會失敗?
在叢集建立程序期間,建立部分資源失敗。失敗可能由於各種原因而發生。例如,資源建立失敗可能是容量問題或 IAM 政策設定錯誤所造成。
-
如何解決?
在 CloudFormation 主控台中,檢視叢集堆疊,以檢查其他資源建立失敗詳細資訊。
failureCode
是 ClusterCreationFailure
-
為什麼會失敗?
無法確定立即原因,需要進行額外的調查。
-
如何解決?
在 CloudFormation 主控台中,檢視叢集堆疊並檢查以
Status Reason
尋找其他失敗詳細資訊。HeadNodeWaitCondition
檢查
/var/log/cfn-init.log
和/var/log/chef-client.log
檔案。
看到 CloudFormation , WaitCondition timed out...
在, 堆
如需詳細資訊,請參閱 failureCodefailureReason叢集建立逾時。HeadNodeBootstrapFailure。
看到 CloudFormation , Resource creation cancelled
在, 堆
如需詳細資訊,請參閱 failureCode 是 ResourceCreationFailure。
查看Failed to run cfn-init...
或 AWS CloudFormation 堆棧中的其他錯誤
檢查/var/log/cfn-init.log
和以取/var/log/chef-client.log
得其他失敗詳細資訊。
看到chef-client.log
結束 INFO: Waiting for static fleet capacity provisioning
這與等待靜態節點開機時的叢集建立逾時有關。如需詳細資訊,請參閱 在計算節點初始化中看到錯誤。
看得見 Failed to run preinstall or postinstall in cfn-init.log
您在叢集配置HeadNode
區段中有OnNodeConfigured
或OnNodeStart
指令碼。指令碼無法正常運作。檢查/var/log/cfn-init.log
檔案中的自訂指令碼錯誤詳細資訊。
看到 CloudFormation , This AMI was created with xxx, but is trying to be used with xxx...
在, 堆
如需詳細資訊,請參閱 failureCode 是 AmiVersionMismatch。
看到 CloudFormation , This AMI was not baked by AWS ParallelCluster...
在, 堆
如需詳細資訊,請參閱 failureCode 是 InvalidAmi。
看到pcluster create-cluster
命令無法在本地運行
請~/.parallelcluster/pcluster-cli.log
在本機檔案系統中檢查失敗詳細資訊。
其他支援
請遵循中的疑難排解指引疑難排解叢集部署問。
請檢查您的案例是否涵蓋在的「GitHub 已知問題
如需其他支援,請參閱其他支援。