| 查看: 4151 | 回复: 9 | |||||
| 【奖励】 本帖被评价3次，作者刘仕晨增加金币 2.2 个 | |||||
[资源]
作业管理系统Torque 2.4.16在Linuxmint 13 / Ubuntu12.04工作站/单机上的安装和使用
|
|||||
|
小弟前段时间在纠结如何在自己的工作站上安装PBS任务管理软件，因为如果是自己写脚本投，普通任何还可以，如果需要连续投好几个任务那还是相当麻烦的，就想起了集群的PBS，但是自己捣鼓了好久都没搞定，后来自己的同学在网上找到了这篇教程，成功了，拿出来和大家分享，如果大家刚好需要，可以省去很多麻烦。 我自己的系统：linuxmint14 一共装了1台工作站（E5-2440*2）2台普通台式机（i7-3770）一台虚拟机（vmware）都成功了，没有出现问题： 教程原链接：http://hi.baidu.com/xijunw/item/9a4e823959240af62684f426 正文：（原文这里有一张图片，但是因为不影响下面的教程，所以我就不贴了） 注意：（自己安装的时候出现的问题，所以一定要注意几个地方） 1.计算节点教程是calnode1，千万不要写成calnodes1 2.下面的教程修正了原文中的一处标点错误，如果参考原文，需要自行修改； Torque是作业队列管理系统，其前身是openPBS，但后来openPBS的那帮人开公司做商业PBS赚钱去了，openPBS改为Torque继续为开源社区维护。 关于Torque的安装，网上的教程很多。但是，这些教程大多是针对cluster集群的，有的是torque不同版本不同平台的，所以给出的设置各不相同。一旦你按照一个不合适的教程去操作，就会导致诸如找不到服务器无法安装，或者安装后作业提交了不能运行，或者能提交作业但立即结束退出，或者作业能正常运行但不给出o文件等各种问题。针对各种问题的解决方案更是千奇百怪，让人云里雾里，无所适从。 不幸的是，上面提到的问题我全部遇到了。各种国内外网站给出的解决方案几乎都折腾遍，才逐渐意识到，安装Torque，必须搞清Torque的三个部分，pbs_server, pbs_mom, pbs_sched， 它们之间的关系和通信机制的关键。这一部分推荐去百度或道客上搜几篇关于“作业调度系统PBS”介绍的ppt看看。简单说， pbs_server是领导，坐在总部服务器上负责接收任务， pbs_sched是经理，负责把工作排序并分配下去， pbs_mom是民工，在各个计算节点辛苦工作，并把情况汇报给总部。 三个部分的配置有2个关键， 关键设置A，你必须告诉server和sched每个节点的名字和核的数量，以便它们分配任务； 关键设置B，是你必须告诉mom哪个节点是服务器节点，以便其向总部汇报工作进展。 具体来所，两个关键设置涉及如下操作：（配置均在torque默认安装目录下：/var/spool/torque） 关键设置A： 创建或修改server_priv/nodes文件，列出计算节点名称和核心数； 关键设置B： 创建或修改mom_priv/config文件列出主节点ip；创建server_name文件，列出主节点hostname 对于工作站来说，和cluster集群的唯一区别是它只有一个计算节点，也就是其服务节点，通常本机IP和主机名默认分别为127.0.0.1和torqueserver。 但是你要再给它设置一个别名，比如calnode1，作为计算节点的名称。如上面图所示。这里搞不清，很容易出错。 好了，明白了以上关键部分，下面就简单了。在我的4核linuxmint工作站下，使用软件源安装的安装流程如下： 1. 修改/etc/hosts第一行，使其为“127.0.0.1 localhost yourhostname torqueserver calnode1” (root权限) $ echo $HOSTNAME // find the hostname xxxxx // write this hostname into /etc/hosts $ sudo vi /etc/hosts 127.0.0.1 localhost xxxxx torqueserver calnode1 # 127.0.1.1 somename // 这一行要comment掉 后面有一些ipv6的东西，无需动。 2. 安装torque的7个相关包 $ sudo apt-get install torque-common libtorque2 libtorque2-dev torque-server torque-scheduler torque-mom torque-client 安装完成后server, sched会自动启动 3. 初始化 $ sudo qterm // 先终止服务 $ sudo bash /usr/share/doc/torque-common/torque.setup $USER torqueserver // 建立默认服务器和队列，并把自己列为管理员 $ qmgr -c 'print server' // 查看默认配置的服务和队列 # # Create queues and set their attributes. # # # Create and define queue batch # create queue batch set queue batch queue_type = Execution set queue batch resources_default.nodes = 1 set queue batch resources_default.walltime = 01:00:00 set queue batch enabled = True set queue batch started = True # # Set server attributes. # set server scheduling = True set server acl_hosts = torqueserver set server default_queue = batch set server log_events = 511 set server mail_from = adm set server scheduler_iteration = 600 set server node_check_rate = 150 set server tcp_timeout = 6 set server mom_job_sync = True set server keep_completed = 300 // 作业完成后会等待300秒才消失，这里需要改成1,见本文附录。 4. 设置服务节点 (1) 创建server_name文件，指明服务节点的名称为torqueserver $ sudo echo "torqueserver" > /var/spool/torque/server_name // 此文件应该是默认已经自动生成的 (2) 添加计算节点 创建server_priv/nodes文件，指定利用名为calnode的节点的4个核做计算 $ sudo echo "calnode1 np=4" > /var/spool/torque/server_priv/nodes 5. 去计算节点配置。 由于我们是工作站，所以实际上就只是在本机上操作 创建mom_priv/config文件，告诉mom向IP为127.0.0.1的服务节点汇报 $ sudo echo "$pbs_server = 127.0.0.1" > /var/spool/torque/mom_priv/config 6. 结束配置，重启服务 先启动计算节点服务： $ sudo pbs_mom 然后是服务节点 $ sudo qterm -t quick // 或者 $ sudo killall -r "pbs_*" $ sudo pbs_server // 启动server $ pbsnodes -a // 查看所有计算节点，free为正常 7. 配置服务的开机启动 $ sudo vi /etc/rc.local 增加三列分别是pbs_server pbs_sched pbs_mom 8. 测试 $ echo 'sleep 20' | qsub 9. 出错后根据作业号追查作业详情 $ tracejob xx 典型作业提交脚本： #!/bin/bash #PBS -N test // job list显示的作业名称。通常无需指定，将显示脚本文件名 #PBS -l ncpus=2 // 用2个核 #PBS -l walltime=24:00:00 // 运行时间，通常在自己的工作站上无需指定 #PBS -j oe // 合并o文件和e文件为o文件，这个很有用 #PBS -q batch // 交到batch队列，一般无需指定 #PBS -V // 使用.bashrc中设置的环境变量，非常重要 cd $PBS_O_WORKDIR // 进入脚本提交的目录为工作目录，这一行很重要。 g09 input.gjf output.log // 作业行 附： 修改服务和队列的常用命令 (1) 创建与修改作业队列batch $ sudo qmgr -c 'create queue batch' // 创建名为batch的队列 $ sudo qmgr -c 'set queue batch queue_type = Execution' // 类型为计算 $ sudo qmgr -c 'set queue batch enabled = True' // 激活 $ sudo qmgr -c 'set queue batch started = True' // 开启 $ sudo qmgr -c 'set queue batch resources_default.walltime = 900:00:00' // 最长运行时间900小时 $ sudo qmgr -c 'set queue batch resources_default.ncpus = 1' // 默认只用1核 $ sudo qmgr -c 'set queue batch resources_default.nodes = 1' // 默认使用1个节点 $ sudo qmgr -c 'set queue batch resources_default.nodect = 1' // 只放开1个节点 $ sudo qmgr -c 'set queue batch resources_max.ncpus = 4' // 最多使用4核 $ sudo qmgr -c 'set queue batch resources_min.ncpus = 1' $ sudo qmgr -c 'set queue batch resources_max.nodes = 1' // 只有1个节点 $ sudo qmgr -c 'set queue batch max_running = 2' // 最多同时运行2个作业 (2) 配置与修改服务器server $ sudo qmgr -c 'set server scheduling = True' // 启动排队管理 $ sudo qmgr -c 'set server default_queue = batch' // 定义默认队列 $ sudo qmgr -c 'set server allow_node_submit = True' // 允许向服务节点提交作业，这个必须设置 $ sudo qmgr -c 'set server query_other_jobs = True' // $ sudo qmgr -c 'set server acl_host_enable = True' $ sudo qmgr -c 'set server acl_hosts = calnode1' 1. 关于Unauthorized request问题： 可能是忘了使用管理员权限操作；也可能是操作顺序不对，配置冲突。可杀掉所有pbs_*服务，再开启。不行重启主机。 2. o文件中的“Command not found” 很多软件的运行环境是在.bashrc中设置，但是torque在qsub时默认并不执行.bashrc，就会导致作业提交后立即结束，o文件显示command not found。解决此问题只需在作业脚本中增加一行 #PBS -V Job Checkpoint and Restart Create a checkpoint and stop: $ qhold Reboot server and restart job from the checkpoint: $ qrerun http://www.clusterresources.com/ ... jobcheckpoint.shtml |
回复此楼» 收录本帖的淘帖专辑推荐
 VASP and MS | 好贴 | Linux学习 |
» 猜你喜欢
一志愿天大材料与化工（085600）总分338
已经有4人回复
-
085700资源与环境308求调剂
已经有3人回复
-
求材料调剂
已经有8人回复
-
294求调剂材料与化工专硕
已经有5人回复
-
一志愿华中科技大学，080502，354分求调剂
已经有4人回复
-
一志愿吉林大学材料学硕321求调剂
已经有6人回复
-
085410人工智能专硕317求调剂（0854都可以）
已经有3人回复
-
330求调剂
已经有3人回复
-
一志愿中海洋材料工程专硕330分求调剂
已经有5人回复
-
304求调剂
已经有5人回复
2楼2013-11-07 16:26:22
3楼2013-11-07 18:05:10
4楼2013-11-07 22:13:28
5楼2013-11-08 00:57:03
6楼2013-11-08 23:06:02
7楼2013-11-08 23:07:09
8楼2013-11-09 15:06:19
9楼2013-11-09 23:19:01
10楼2015-12-02 19:15:06
