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。

failureCodefailureReason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。

failureCodefailureReason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。

failureCodefailureReason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」 AWS ParallelCluster 中 GitHub。

如需其他支援，請參閱其他支援。