Cluster computing SLURM-如何确定作业使用的特定CPU?
我正在开发一个工具,用于监视集群上当前运行的作业(19个节点,40个核心)。有没有办法确定slurm队列中的每个作业正在使用哪个特定CPU?我使用“pidstat”、“mpstat”和“ps-eFj”获取数据,它们告诉我在特定内核上运行哪些进程,但无法将这些进程ID与Slurm使用的作业ID关联起来“控制显示作业”提供了大量信息,但没有具体的cpu分配。有没有办法做到这一点 以下是收集数据的代码:Cluster computing SLURM-如何确定作业使用的特定CPU?,cluster-computing,cpu,slurm,sbatch,Cluster Computing,Cpu,Slurm,Sbatch,我正在开发一个工具,用于监视集群上当前运行的作业(19个节点,40个核心)。有没有办法确定slurm队列中的每个作业正在使用哪个特定CPU?我使用“pidstat”、“mpstat”和“ps-eFj”获取数据,它们告诉我在特定内核上运行哪些进程,但无法将这些进程ID与Slurm使用的作业ID关联起来“控制显示作业”提供了大量信息,但没有具体的cpu分配。有没有办法做到这一点 以下是收集数据的代码: #!/usr/bin/env python import subprocess import t
#!/usr/bin/env python
import subprocess
import threading
import time
def scan():
data = [[None, None, None] for i in range(19)]
def mpstat(node):
if(node == 1):
output = subprocess.check_output(['mpstat', '-P', 'ALL', '1', '1'])
else:
output = subprocess.check_output(['ssh', 'node' + str(node), 'mpstat', '-P', 'ALL', '1', '1'])
data[node - 1][0] = output
def pidstat(node):
if(node == 1):
output = subprocess.check_output(['pidstat', '1', '1'])
else:
output = subprocess.check_output(['ssh', 'node' + str(node), 'pidstat', '1', '1'])
data[node - 1][1] = output
def ps(node):
if(node == 1):
output = subprocess.check_output(['ps', '-eFj'])
else:
output = subprocess.check_output(['ssh', 'node' + str(node), 'ps', '-eFj'])
data[node - 1][2] = output
threads = [[None, None, None] for i in range(19)]
for node in range(1, 19 + 1):
threads[node - 1][0] = threading.Thread(target=mpstat, args=(node,))
threads[node - 1][0].start()
threads[node - 1][1] = threading.Thread(target=pidstat, args=(node,))
threads[node - 1][1].start()
threads[node - 1][2] = threading.Thread(target=ps, args=(node,))
threads[node - 1][2].start()
while True:
alive = [[not t.isAlive() for t in n] for n in threads]
alive = [t for n in alive for t in n]
if(all(alive)):
break
time.sleep(1.0)
return(data)
通过使用
-d
标志,您可以获得每个节点上作业的CPU\u ID,如下所示
$ scontrol show job -d $SLURM_JOBID
JobId=1 JobName=bash
UserId=USER(UID) GroupId=GROUP(GID) MCS_label=N/A
Priority=56117 Nice=0 Account=account QOS=interactive
JobState=RUNNING Reason=None Dependency=(null)
Requeue=1 Restarts=0 BatchFlag=0 Reboot=0 ExitCode=0:0
DerivedExitCode=0:0
RunTime=00:00:10 TimeLimit=02:00:00 TimeMin=N/A
SubmitTime=2019-04-12T17:34:11 EligibleTime=2019-04-12T17:34:11
StartTime=2019-04-12T17:34:12 EndTime=2019-04-12T19:34:12 Deadline=N/A
PreemptTime=None SuspendTime=None SecsPreSuspend=0
Partition=defq AllocNode:Sid=node2:25638
ReqNodeList=(null) ExcNodeList=(null)
NodeList=node1
BatchHost=node2
NumNodes=1 NumCPUs=2 NumTasks=1 CPUs/Task=2 ReqB:S:C:T=0:0:*:*
TRES=cpu=2,mem=17600M,node=1
Socks/Node=* NtasksPerN:B:S:C=0:0:*:* CoreSpec=*
Nodes=node1 CPU_IDs=12-13 Mem=17600 GRES_IDX=
MinCPUsNode=2 MinMemoryCPU=8800M MinTmpDiskNode=0
Features=(null) DelayBoot=00:00:00
Gres=(null) Reservation=(null)
OverSubscribe=OK Contiguous=0 Licenses=(null) Network=(null)
Command=bash
WorkDir=/home/USER
Power=
如果这些信息不够,您可能会发现scoontrol pidinfo PID
$ scontrol pidinfo 43734
Slurm job id 21757758 ends at Fri Apr 12 20:15:49 2019
slurm_get_rem_time is 6647
这显示分配给作业的CPU数量,但不显示实际的CPU数量。(与ps或pidstat输出不匹配)
Nodes=node1 CPU\u IDs=12-13 Mem=17600 GRES\u IDX=
在我的系统上,这些不是实际的CPU。运行“pidstat 1 1”并查看CPU列可以证实这一点。如slurm网页()所述,slurm.conf中的节点定义中描述了关于逻辑CPU的CPU编号和布局的注释。这可能与实际硬件上的物理CPU布局不同。因此,Slurm生成自己的内部或“抽象”CPU编号。这些数字可能与Linux已知的物理或“机器”CPU数字不匹配。请参阅答案中关于scoontrol pidinfo
的编辑,这可能提供另一种方法将pids
匹配到作业。slurm提供的“监视”是否不够?如果您的系统使用cgroup,那么您可以直接从cgroup获取信息,而不是查看所有进程。