View a markdown version of this page

在中使用 Slurm 重启计算节点 AWS PCS - AWS 个
先决条件过程

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

在中使用 Slurm 重启计算节点 AWS PCS

使用 Slurm 的原生重启命令来解决性能问题、清除资源问题或在不损失 EC2 实例容量的情况下从降级状态中恢复。

先决条件

  • Slurm 管理员权限（根用户访问权限）

  • 访问 AWS PCS 集群中的登录节点

过程

  1. 通过 EC2 控制台连接到登录节点。

    1. 在 EC2 控制台中，选择 Instances (实例)。

    2. 选择您的登录节点实例。

    3. 选择连接。

  2. 使用sinfo或识别目标计算节点名称scontrol show node。

    sinfo
# or
scontrol show node

  3. 使用以下选项之一执行重启命令：

    警告

    不要nextstate=DOWN与该scontrol reboot命令一起使用。此参数将节点标记为运行状况不佳并触发实例替换。

    • 基本重启（等待节点进入空闲状态）：

      scontrol reboot nodename

    • 立即重启（耗尽节点并在任务完成后重新启动）：

      scontrol reboot ASAP nodename

    • 重启是有原因的：

      scontrol reboot ASAP reason="troubleshooting" nodename

    • 以恢复状态重启：

      scontrol reboot ASAP nextstate=RESUME nodename

  4. 使用监控重启进度scontrol show node。

    scontrol show node nodename

  5. 验证节点在重启完成后恢复服务。