View a markdown version of this page

在 AWS PCS 中使用 Slurm 重新啟動運算節點 - AWS PCS
先決條件程序

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。

在 AWS PCS 中使用 Slurm 重新啟動運算節點

使用 Slurm 的原生重新開機命令來解決效能問題、清除資源問題，或從降級狀態復原，而不會損失 EC2 執行個體容量。

先決條件

  • Slurm Admin 權限 （根使用者存取）

  • 存取 AWS PCS 叢集中的登入節點

程序

  1. 透過 EC2 主控台連線至登入節點。

    1. 在 EC2 主控台中，選擇 Instances (執行個體)。

    2. 選取您的登入節點執行個體。

    3. 選擇連線。

  2. 使用 sinfo或 識別目標運算節點名稱scontrol show node。

    sinfo
# or
scontrol show node

  3. 使用以下其中一個選項執行重新啟動命令：

    警告

    請勿將 nextstate=DOWN與 scontrol reboot命令搭配使用。此參數會將節點標記為運作狀態不佳，並觸發執行個體替換。

    • 基本重新啟動 （等待節點變成閒置）：

      scontrol reboot nodename

    • 立即重新啟動 （在任務完成時清空節點並重新啟動）：

      scontrol reboot ASAP nodename

    • 以下列原因重新啟動：

      scontrol reboot ASAP reason="troubleshooting" nodename

    • 以恢復狀態重新啟動：

      scontrol reboot ASAP nextstate=RESUME nodename

  4. 使用 監控重新啟動進度scontrol show node。

    scontrol show node nodename

  5. 驗證節點在重新啟動完成後返回服務。