解决导致错误或失败的操作系统配置更改

检查你是否可以切换到 pcluster-admin 用户：

$ su - pcluster-admin

如果你看到类似的错误cannot change locale...no such file or directory，这就确认了问题。

查看可用的地点：

$ localedef --list

如果返回空列表或不包含默认语言环境，则您的语言环境配置已损坏。

检查最后一条yum命令：

$ yum history
$ yum history info #ID

如果最后 ID 不包含Return-Code: Success，则表明安装后脚本可能未成功运行。

检查 chef-client 日志中是否存在与软件包相关的错误：

$ less /var/log/chef-client.log

在 cfn-init 日志中查找软件包依赖关系冲突：

$ less /var/log/cfn-init.log

如果特定软件包导致问题，请尝试重新安装它：

$ sudo yum reinstall package-name

对于依赖冲突，你可能需要删除冲突的软件包：

$ sudo yum remove conflicting-package

如果问题仍然存在，请考虑使用该pcluster build-image命令创建预先安装所需软件包的自定义 AMI。有关更多信息，请参阅 AWS ParallelCluster AMI 自定义。

检查 chef-client 日志中是否存在提及特定配置文件的错误：

$ grep -i "config" /var/log/chef-client.log

在配置文件中查找权限或语法错误：

$ less /var/log/cfn-init.log

将修改后的配置文件恢复到其原始状态：

$ sudo cp /etc/file.conf.bak /etc/file.conf

如果您需要持续更改系统配置文件，请使用自定义引导操作而不是直接修改文件：

HeadNode:
  CustomActions:
    OnNodeConfigured:
      Script: s3://bucket-name/config-script.sh

有关更多信息，请参阅 自定义引导操作。

对于必须直接对系统文件进行的配置更改，请考虑创建自定义 AMI。有关更多信息，请参阅 AWS ParallelCluster AMI 自定义。

检查是否已应用内核更新：

$ uname -r

在日志中查找 Amazon FSx 挂载故障：

$ grep -i "fsx" /var/log/chef-client.log

对于 Ubuntu 22.04，请避免更新到最新的内核，因为该内核没有亚马逊 FSx 客户端。有关更多信息，请参阅 操作系统注意事项。

如果你已经更新了内核并遇到了问题，可以考虑降级到兼容的内核版本：

$ sudo apt install linux-image-previous-version

要进行永久内核自定义，请使用所需的特定内核版本创建自定义 AMI。有关更多信息，请参阅 AWS ParallelCluster AMI 自定义。

使用自定义引导操作：与其直接修改系统文件，OnNodeStart不如使用OnNodeConfigured脚本以受控方式进行更改。有关更多信息，请参阅 自定义引导操作。

创建自定义 AMI：要对操作系统进行重大修改，请使用创建自定义 AMI，pcluster build-image而不是对正在运行的实例进行更改。有关更多信息，请参阅 AWS ParallelCluster AMI 自定义。

首先测试更改：在将更改应用于生产集群之前，请在小型测试集群上对其进行测试以确保兼容性。

文档更改：跟踪为便于故障排除而做的所有操作系统配置更改。

备份配置文件：在修改任何系统配置文件之前，请创建备份：

$ sudo cp /etc/file.conf /etc/file.conf.bak

更改后检查日志：更改操作系统配置后，检查日志中是否存在任何错误：

$ less /var/log/cfn-init.log
$ less /var/log/chef-client.log