对 PCS 中的 Slurm 重启问题进行故障排除 AWS

遇到节点重启问题时，请先使用检查节点状态scontrol show node nodename。然后检查 Slurm（slurmctld 和 slurmd）和 CloudWatch 系统日志的日志，以确定潜在的错误。

要进行基本的故障排除，请验证网络连接，检查安全组设置，并确保重启后所有必需的服务都在运行。如果完成基本故障排除步骤后问题仍然存在，请联系 Supp AWS ort。联系支持人员时，请提供相关的日志摘录、节点状态信息和重启尝试的时间表，以帮助加快解决过程。