本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

AWS ParallelCluster Auto Scaling

本主題中所述的自動擴展策略適用於使用 Son of Grid Engine(SGE) 或 Torque Resource Manager() 部署的 HPC 叢集Torque。使用其中一個排程器部署時，AWS ParallelCluster會管理運算節點的 Auto Scaling 群組，然後視需要變更排程器組態，以實作擴展功能。對於以 為基礎的 HPC 叢集AWS Batch，AWS ParallelCluster依賴AWS受管任務排程器提供的彈性擴展功能。如需詳細資訊，請參閱《Amazon EC2 Auto Scaling 使用者指南》中的什麼是 Amazon EC2 Auto Scaling。

使用 部署的叢集AWS ParallelCluster有數種彈性。設定 會initial_queue_size指定 ComputeFleet Auto Scaling 群組的最小大小值，以及所需的容量值。設定 會max_queue_size指定 ComputeFleet Auto Scaling 群組的大小上限值。

向上擴展

每分鐘，稱為 的程序會在前端節點jobwatcher上執行。它會評估佇列中待處理任務目前所需的執行個體數目。如果忙碌節點和請求節點的總數大於 Auto Scaling 群組中目前所需的值，則會新增更多執行個體。如果您提交更多任務，系統會重新評估佇列，並將 Auto Scaling 群組更新至指定的 max_queue_size。

使用 SGE 排程器，每個任務需要一些插槽才能執行 (一個插槽對應一個處理單位，例如，vCPU)。若要評估處理目前待處理任務所需的執行個體數目，jobwatcher 會將請求的插槽總數除以單一運算節點的容量。對應至可用 vCPUs 數量的運算節點容量，取決於叢集組態中指定的 Amazon EC2 執行個體類型。

使用 Slurm(2.9.0 AWS ParallelCluster版之前） 和 Torque 排程器時，每個任務可能需要多個節點和每個節點的多個插槽，視情況而定。對於每個請求，jobwatcher 會判斷滿足新運算需求所需的運算節點數目。例如，假設有一個叢集具有 c5.2xlarge (8 vCPU) 做為運算執行個體類型，且有三個排入佇列的待處理任務具有下列需求：

在此範例中， jobwatcher需要 Auto Scaling 群組中的三個新運算執行個體，才能提供這三個任務。

目前限制：自動擴展邏輯不會考慮部分載入的忙碌節點。例如，即使有空的槽，執行任務的節點也會被視為忙碌。

向下擴展

在每個運算節點上，稱為 nodewatcher 的程序會執行，並評估節點的閒置時間。滿足以下兩個條件時，即會終止執行個體：

若要終止執行個體， 會nodewatcher呼叫 TerminateInstanceInAutoScalingGroup API 操作，如果 Auto Scaling 群組的大小至少為 Auto Scaling 群組大小下限，則會移除執行個體。此程序會縮減叢集，而不會影響執行中任務。它也會啟用具有固定基本執行個體數量的彈性叢集。

靜態叢集

對於 HPC，自動擴展的值與任何其他工作負載相同。唯一的差別是，AWS ParallelCluster具備的程式碼可讓它的互動方式更聰明。例如，如果需要靜態叢集，您可以將 initial_queue_size和 max_queue_size 參數設定為所需叢集的確切大小。然後，將 maintain_initial_size 參數設定為 true。這會導致 ComputeFleet Auto Scaling 群組的最小、最大和所需容量具有相同的值。