slurm：如何将前端与计算节点连接起来？

Question

我有一个前端和两个计算节点

都有相同的 slurm.conf 文件，结尾为（详情请参阅：https://gist.github.com/avatar-lavventura/46b56cd3a29120594773ae1c8bc4b72c）：

NodeName=ebloc2 NodeHostName=ebloc NodeAddr=54.227.62.43 CPUs=1
PartitionName=debug Nodes=ebloc2 Default=YES MaxTime=INFINITE State=UP

NodeName=ebloc4 NodeHostName=ebloc NodeAddr=54.236.173.82 CPUs=1
PartitionName=debug Nodes=ebloc4 Default=YES MaxTime=INFINITE State=UP

slurmctld：只检查第一个写入节点的信息，不检查第二个写入节点的信息。当我尝试发送作业时收到以下错误，它只处理第一个写入节点的 IP，当我运行 sudo slurmd 在第一个节点上工作时。

错误：

slurmctld: debug2: slurm_connect failed: Connection refused
slurmctld: debug2: Error connecting slurm stream socket at 54.227.62.43:6821: Connection refused
slurmctld: debug2: slurm_connect failed: Connection refused
slurmctld: debug2: Error connecting slurm stream socket at 54.227.62.43:6821: Connection refused

问题：我在第一个订单中提到的计算节点收到作业，但我在第二个订单中提到的计算节点没有。我该如何解决它。

slurmctld 日志(https://gist.github.com/avatar-lavventura/4ec8c1b15e0ada4aa4bd0414e2b1ffb4)

感谢您的宝贵时间和帮助。

Answer 1

在配置文件中，尝试删除ControlAddr=127.0.0.1；或替换为 ebloc 的 IP 地址。这个 127.0.0.1 地址基本上意味着 'myself' 并且 ControlAddr 被 slurmd 用来连接到控制器。

出于同样的原因也删除 NodeHostName=localhost NodeAddr=127.0.0.1。

并确保 ebloc、ebloc1 和 ebloc2 确实是那些机器上的 hostname -s returns。

还要确保没有防火墙在这些机器之间的任何方向阻塞 Slurm 端口，并且 SELinux 被禁用或允许。确保 slurmd 运行，以及 munge.

Answer 2

每个分区只能有一个 PartitionName 行。删除第一个并输入：

PartitionName = debug Nodes=ebloc2,ebloc4 Default=YES MaxTime=INFINITE State=UP

或使用正则表达式：

PartitionName = debug Nodes=ebloc[2,4] Default=YES MaxTime=INFINITE State=UP

slurm：如何将前端与计算节点连接起来？

slurm: How to connect front-end with compute nodes?

slurm