執行單一節點工作 AWS PCS

若要使用 Slurm 執行工作，您可以準備指定工作需求的提交指令碼，並使用指令將其提交至佇列。sbatch通常，這是從共享目錄完成的，因此登錄和計算節點有一個共同的空間來訪問文件。

Connect 至叢集的登入節點，並在其 shell 提示字元中執行下列命令。

• 成為預設使用者。切換到共享目錄。

  sudo su - ec2-user
  cd /shared

• 使用下列命令建立範例工作命令檔：

  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

• 將工作指令碼提交至 Slurm 排程器：

  sbatch -p demo job.sh

• 提交作業後，它將返回一個作業 ID 作為一個數字。使用該 ID 來檢查工作狀態。Replace (取代) job-id 在下面的命令中，返回的數字sbatch。

  squeue --job job-id

  squeue --job 1

  命squeue令會傳回類似下列內容的輸出：

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

• 繼續檢查工作的狀態，直到工作到達 R (執行中) 狀態為止。這項工作在squeue沒有返回任何東西時完成。

• 檢查/shared目錄的內容。

  ls -alth /shared

  命令輸出類似於以下內容：

  -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

  命名為single.1.out和的檔案single.1.err由叢集的其中一個計算節點寫入。由於工作是在共用目錄 (/shared) 中執行，因此您也可以在登入節點上使用它們。這就是為什麼您為此叢集設定 Lustre 檔案系統的原因。FSx

• 檢查single.1.out檔案的內容。

  cat /shared/single.1.out

  輸出類似以下內容：

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