サーバ関連:torque_pbs

差分

このページの2つのバージョン間の差分を表示します。

この比較画面へのリンク

両方とも前のリビジョン 前のリビジョン
サーバ関連:torque_pbs [2016/05/12 15:02] – 削除 mumeiyamibitoサーバ関連:torque_pbs [2016/06/01 20:30] (現在) – [サーバ設定] mumeiyamibito
行 1: 行 1:
 +====== torque (旧OpenPBS) ======
 +===== 概要 =====
 +  * 計算機クラスターのジョブ管理スケジューラ
 +    * 異なるジョブを逐次処理させたい場合に便利 (以下の条件の時とか？)
 +      * メモリや CPU を最大まで使うジョブが複数あり、同時に流すとリソースの取り合いになる。最悪の場合、計算機が落ちる。
 +      * コマンドラインで、 && とか ; で複数のジョブをつなげても実現できるけど、その後に追加のジョブが入った場合は？ 
 +      * ジョブの終了時間を予測し、マージンをとって、at コマンドで時間を指定してジョブを実行する方法もあるけど、マージン分の時間がもったいない。予測が外れたらリソースの取り合いになる。
 +    * 要はプリンターの印刷状況画面のキュー (印刷データ) が、ジョブに置き換わっただけ。
 +    * 別に計算機クラスターである必要はなく、自分の PC に入れても問題ない
 +  * Ubuntu (Debianも？)では、torque-server (サーバ用)、torque-scheduler (スケジューラ)、torque-mom (ノード用) の 3 つのパッケージで機能する
 +    * スケジューラを変えるなどすることもあるようだ
  
 +===== 導入方法 =====
 +==== サーバ側(サーバでもジョブを処理させる場合) ====
 +  - インストール
 +    * サーバでもジョブを処理させる場合 \\ <code bash>$ sudo apt-get install torque-server torque-mom torque-client torque-scheduler</code>
 +  - 起動中の torque を終了させる
 +    - 起動中の torque を確認\\ <code bash>$ ps -e | grep pbs</code>
 +    - root 権限で終了させる (service コマンドの stop や kill) する\\ <code>
 +$ sudo service torque-mom stop
 +$ sudo service torque-scheduler stop
 +$ sudo service torque-server stop</code>※service コマンドで torque-server が終了しない場合\\ <code bash>$ sudo kill 24277</code>24277 は、pbs_server の PID で ''ps -e | grep pbs'' で確認する
 +  - 設定ディレクトリの設定\\ <code bash>
 +$ sudo mkdir /var/spool/torque/server_priv
 +$ sudo chmod 777 /var/spool/torque/spool /var/spool/torque/undelivered
 +$ sudo chmod o+t /var/spool/torque/spool /var/spool/torque/undelivered</code>
 +  - サーバ名の設定\\ <code bash>$ sudoedit /etc/torque/server_name</code>ホスト名を入れる
 +  - 新たにサーバプロファイルを作成 (このコマンドを実行すると torque_server が起動する)\\ <code bash>$ sudo pbs_server -t create</code>
 +  - ノードの設定\\ <code bash>
 +$ ps -e | grep pbs
 +$ sudo kill xxxxx
 +$ sudoedit /var/spool/torque/server_priv/nodes</code>
 +    * 中には ''__ノード名__ np=__CPU数__'' を列挙していく
 +    * 例:\\ <code>
 +server np=8
 +node1  np=4
 +node2  np=4
 +node3  np=2
 +</code>
 +  - ホスト名の設定\\ <code bash>$ sudoedit /etc/hosts</code>
 +    * 127.0.0.1 は localhost からホスト名に変更
 +    * 127.0.1.1 はコメントアウト
 +    * ノードのホスト名も入れていく
 +  - サーバやキューの設定 (設定ファイルを読み込ませる)\\ <code bash>
 +$ sudo service torque-server start
 +$ sudo qmgr < queue.conf</code>
 +    * 設定ファイル (queue.conf) は以下の通り\\ <code conf queue.conf>
 +#
 +# Create queues and set their attributes.
 +#
 +#
 +# Create and define queue F
 +#
 +create queue F
 +set queue F queue_type = Execution
 +set queue F resources_default.ncpus = 1
 +set queue F resources_default.nodes = 1
 +set queue F enabled = True
 +set queue F started = True
 +#
 +# Create and define queue Q2
 +#
 +create queue Q2
 +set queue Q2 queue_type = Execution
 +set queue Q2 max_running = 1
 +set queue Q2 resources_max.ncpus = 4
 +set queue Q2 resources_max.nodes = 1
 +set queue Q2 resources_default.ncpus = 1
 +set queue Q2 resources_default.nodes = 1
 +set queue Q2 resources_available.ncpus = 4
 +set queue Q2 resources_available.nodes = 1
 +set queue Q2 enabled = True
 +set queue Q2 started = True
 +#
 +# Create and define queue Q4
 +#
 +create queue Q4
 +set queue Q4 queue_type = Execution
 +set queue Q4 max_running = 1
 +set queue Q4 resources_max.ncpus = 4
 +set queue Q4 resources_max.nodes = 1
 +set queue Q4 resources_default.ncpus = 1
 +set queue Q4 resources_default.nodes = 1
 +set queue Q4 resources_available.ncpus = 4
 +set queue Q4 resources_available.nodes = 1
 +set queue Q4 enabled = True
 +set queue Q4 started = True
 +#
 +# Create and define queue Q1
 +#
 +create queue Q1
 +set queue Q1 queue_type = Execution
 +set queue Q1 max_running = 1
 +set queue Q1 resources_max.ncpus = 4
 +set queue Q1 resources_max.nodes = 1
 +set queue Q1 resources_default.ncpus = 1
 +set queue Q1 resources_default.nodes = 1
 +set queue Q1 resources_available.ncpus = 4
 +set queue Q1 resources_available.nodes = 1
 +set queue Q1 enabled = True
 +set queue Q1 started = True
 +#
 +# Create and define queue Q3
 +#
 +create queue Q3
 +set queue Q3 queue_type = Execution
 +set queue Q3 max_running = 1
 +set queue Q3 resources_max.ncpus = 4
 +set queue Q3 resources_max.nodes = 1
 +set queue Q3 resources_default.ncpus = 1
 +set queue Q3 resources_default.nodes = 1
 +set queue Q3 resources_available.ncpus = 4
 +set queue Q3 resources_available.nodes = 1
 +set queue Q3 enabled = True
 +set queue Q3 started = True
 +#
 +# Set server attributes.
 +#
 +set server scheduling = True
 +set server default_queue = F
 +set server log_events = 511
 +set server query_other_jobs = True
 +set server scheduler_iteration = 600
 +set server node_check_rate = 150
 +set server tcp_timeout = 6
 +set server node_pack = False
 +set server allow_node_submit = True
 +</code>
 +    * F: 制限がないキュー
 +    * Q1〜Q4: 1 ジョブしか流せないキュー
 +  - 起動\\ <code bash>
 +$ sudo service torque-scheduler start
 +$ sudo service torque-mom start</code>
 +  - サーバ名の確認\\ <code bash>$ qstat -q</code>
 +  - サーバの設定状況の確認\\ <code bash>$ pbsnodes -a</code>
 +  - テスト\\ <code bash>
 +$ echo "sleep 30" | qsub
 +$ qstat
 +</code>
 +
 +==== サーバ側 (サーバでジョブを処理させない場合) ====
 +  - インストール \\ <code bash>$ sudo apt-get install torque-server torque-scheduler</code>
 +
 +
 +==== ノード側 ====
 +  - インストール\\ <code bash>$ sudo apt-get install torque-mom torque-client</code>
 +
 +
 +===== 使い方 =====
 +  * ジョブ投入\\ <code bash>$ qsub [オプション] ジョブファイル</code><code>
 +Job id                    Name             User            Time Use S Queue
 +------------------------- ---------------- --------------- -------- - -----
 +760.servername            JOB_NAME1        hoge            311:35:2 R F              
 +762.servername            JOB_NAME2        hoge            165:50:2 R F              
 +860.servername            JOB_NAME3        fuga            03:03:40 R F              </code>
 +    * Job id: 投入順に番号が付けられる (job id を指定するコマンドでは、最初の数字だけで十分)
 +    * Name: ジョブ名
 +      * qsub の -N オプションや、ジョブファイルの PBS -N で指定が可能
 +      * オプションなどで指定されていない場合は、ジョブファイル名の先頭から15文字が使われる
 +    * User: ジョブを投入したユーザ名
 +    * Time: ジョブ処理にかかっている時間 (複数の CPU を指定している場合は、CPU 数に合わせて倍になる)
 +    * S: ステータス
 +      * R: Running (処理中)
 +      * Q: Queue (待機中)
 +      * H: Hold (保留中; ジョブの順番が回ってきても処理しない)
 +      * E: Exit (終了; ？)
 +      * T: 移行中(？)
 +      * W: 待機中(？)
 +    * Queue: ジョブが所属しているキュー
 +  * ジョブ一覧\\ <code bash>$ qstat [オプション]</code>
 +  * ジョブ削除\\ <code bash>$ qdel ジョブID ...</code>
 +    * ジョブIDは複数指定が可能
 +  * ジョブの順序の入れ替え\\ <code bash>$ qorder ジョブID1 ジョブID2</code>
 +  * ジョブの保留(ジョブ実行の順番が回ってきても実行しない) \\ <code bash>$ qhold ジョブID1 ジョブID2 ...</code>
 +  * ジョブの保留解除\\ <code bash>$ qrls ジョブID1 ジョブID2 ...</code>
 +  * ジョブの実行\\ <code bash>$ qrun ジョブID1 ジョブID2 ...</code>
 +  * キューの変更\\ <code bash>$ qmove 変更後のキュー名 ジョブID</code>
 +  * ジョブにシグナルを送信\\ <code bash>$ qsig -s シグナル ジョブID</code>
 +    * STOP: ジョブのサスペンド(ジョブを停止することなく、CPU を空ける; ただし、torque としては CPU が空くわけではないので、次のジョブは実行されない)
 +    * CONT: サスペンドしたジョブの再開
 +
 +===== ジョブファイル =====
 +  * ジョブの内容を書いたシェルスクリプト
 +  * シバン行 (#!/bin/bash など) に続いて、''#PBS ...'' で始まるジョブ指定
 +  * 例 (bash ベースの場合): \\<code bash jobfile.sh>
 +#!/bin/bash
 +#PBS -V
 +#PBS -l nodes=1:ppn=4
 +#PBS -j oe
 +#PBS -N jobname
 +
 +cd ${PBS_O_WORKDIR}
 +
 +実行コマンド
 + :
 +</code>
 +  * ${PBS_O_WORKDIR}: torque が利用する作業ディレクトリ (必ず書く必要がある)
 +  * オプション (qsub のオプションと同じ)
 +
 +^  オプション  ^  意味  ^  値  ^
 +|-V|ジョブを投入した所の環境変数をすべて、ジョブファイルにも適用する| |
 +|-v|ジョブを投入した所の環境変数を指定した分だけ、ジョブファイルにも適用する| |
 +|-q|キューの指定| |
 +|-j|出力ファイルの制御|oe: 標準出力と標準エラーを標準ファイル(*.o__ジョブID__)にまとめる, eo: 標準出力と標準エラーを標準エラーファイル(*.e__ジョブID__)にまとめる, 指定しない場合は、それぞれのファイルが出力される|
 +|-o|標準出力ファイルのパス| |
 +|-e|標準エラーファイルのパス| |
 +|-m|メール送信の方法|次の文字の組み合わせでメールの送信タイミングを指定 a: ジョブが失敗, b: ジョブが開始, e: ジョブが終了, n: 何もしない|
 +|-M|メールの送信先| |
 +|-l|リソースの指定(複数ある場合は、カンマで区切る)|walltime=__24:00:00__|
 +|:::|:::|nodes=__2__:ppn=__2__ (2CPUずつ2ノードを使う; 計4CPU)|
 +|:::|:::|nodes=__ノード1__:ppn=__3__+__ノード2__:ppn=__2__+__ノード3__:ppn=__1__ (特定のノードを利用する場合はノード名を書いて + で結合する)|
 +|:::|:::|mem, ncpu が使える|
 +|-N|ジョブ名|指定しない場合は、ジョブファイル名の先頭から15文字|
 +
 +
 +
 +===== キューの設定項目 =====
 +==== サーバ設定 ====
 +''set server ...'' で始まる項目
 +
 +^  項目  ^  意味  ^  値 (太字がデフォルト)  ^
 +|scheduling|スケジューリングの有効化|true or false|
 +|default_queue|デフォルトのキューを設定| |
 +|log_events|ログの出力内容| |
 +|query_other_jobs|root以外のユーザが他人のジョブを閲覧する許可|true or **false**|
 +|scheduler_iteration|?| |
 +|node_check_rate|ノードが死亡していると判断するまでの時間(秒)|整数値 (**600**)|
 +|tcp_timeout|pbs_serverとpbs_mon間のTCPソケットのタイムアウト時間(秒)|整数値 (**8**)|
 +|node_pack|1つのノードを埋めてから次のノードを利用するか|true or false|
 +|allow_node_submit|ノードからのジョブ投入の許可|true or **false**|
 +
 +=== キュー設定 ===
 +''set queue キュー名 ...'' で始まる項目
 +
 +^  項目  ^  意味  ^  値 (太字がデフォルト)  ^
 +|queue_type|キュータイプ| execution(e) or route%%(r)%%|
 +|resource_default.ncpus|デフォルトで指定されるCPU数| |
 +|resources_default.nodes|デフォルトで指定されるノード数| |
 +|enabled|ジョブの受け入れ(このキューでのジョブ投入を許可するか)|true or **false**|
 +|started|ジョブを実行するか(falseならhold状態で投入される)|true or **false**|
 +
 +
 +===== その他 =====
 +  * qmgr の設定を表示\\ <code bash>$ echo 'p s' | sudo qmgr</code>
 +    * '''p s''' は '''print server''' でも可
 +  * 長時間ジョブを別々のキューで走らせた時に後方にある一方のキューが動かない
 +    * 例:
 +      - CPU が 2 つある計算機上で、CPU を 1 つのみ使い、1 つずつしか走らせることができないキュー A, B にジョブを 3 つずつ投入する予定である (計6ジョブ)
 +        * ジョブ A1, A2, A3 
 +        * ジョブ B1, B2, B3
 +        * それぞれのジョブは 25 時間以上かかるものとする
 +      - 先にキュー A に 3 ジョブ (A1, A2, A3) 投入する (CPU は 1 つしか使っていない状態)
 +      - 25時間後に、キュー B の 3 ジョブ (B1, B2, B3) を投入する (本来ならば、キュー B のジョブの処理がすぐに開始されるはず…)
 +      - なぜか、キュー B のジョブが開始しない
 +    * 原因: starving job 機構
 +      * ジョブスケジューラはジョブの処理数を上げるため、指定された walltime が短いジョブから順に処理していく。
 +      * しかし、これだと walltime が長いジョブは、短いジョブが後から次々と投入されると、一向に処理されない状態になる
 +      * これを解決するために、starving job 機構があり、待機状態にあるジョブ (walltime が長いジョブ) が一定時間超えると、そのジョブを優先的に処理しようとする。
 +      * torque の starving job 機構のデフォルトの設定時間は 24 時間
 +      * 例で示した場合、A1 の処理中に 24 時間が経過し、A2, A3 が優先的に処理されるように設定されるが、キュー A はそもそも同時に 1 つしか処理できないため、CPU が 1 つ空いたまま、B1, B2, B3 は待機状態となる。
 +      * キューに使用 CPU や同時ジョブ処理数の制限がかかっていると、例のような問題が起こる
 +    * 解決方法 (/var/spool/torque/sched_priv/sched_config の編集)
 +      * starving job 機構の無効化
 +        * ''help_starving_jobs  true  ALL'' の true を false に変える
 +      * 機構が有効になるまでの時間の変更
 +        * ''max_starve: 24:00:00'' の時間を長くする
 +    * job starving 機構の問題の見分け方
 +      * ''$ qstat -f'' でジョブ状態を表示し、その中に ''comment = Not Running: Draining system to allow starving job to run'' とあれば、この問題でジョブが処理されないことになる。
 +
 +===== 参考サイト =====
 +  * [[http://tech.ckme.co.jp/torque.shtml | TORQUEの導入・設定：tech.ckme.co.jp]] インストールなど
 +  * [[http://docs.adaptivecomputing.com/torque/4-0-2/Content/topics/4-serverPolicies/queueAttributes.htm | Queue attributes]] qmgr キューの設定
 +  * [[http://docs.adaptivecomputing.com/torque/3-0-5/a.bserverparameters.php | ]] qmgr サーバ設定
 +  * [[http://wiki.epii.jp/%E3%82%BD%E3%83%95%E3%83%88%E3%82%A6%E3%82%A7%E3%82%A2/TORQUE | ソフトウェア/TORQUE - epii's Wiki]] qmgr サーバ設定
 +  * [[http://www.nas.nasa.gov/hecc/support/kb/commonly-used-qsub-options-in-pbs-scripts-or-in-the-qsub-command-line_175.html | Commonly Used QSUB Options in PBS Scripts or in the QSUB Command Line - HECC Knowledge Base]] ジョブファイルオプション
  • サーバ関連/torque_pbs.1463032940.txt.gz
  • 最終更新: 2016/05/12 15:02
  • by mumeiyamibito