針對 AWS PCS 中的 Slurm 重新啟動問題進行故障診斷

當您遇到節點重新啟動問題時，請先使用檢查節點狀態scontrol show node nodename。然後檢查 Slurm (slurmctld 和 slurmd) 和系統日誌的 CloudWatch 日誌，以識別潛在的錯誤。

如需基本故障診斷，請驗證網路連線、檢查安全群組設定，並確保所有必要的服務在重新開機後執行。如果問題在基本疑難排解步驟後仍存在，請聯絡 AWS Support。聯絡支援時，請提供相關的日誌摘錄、節點狀態資訊，以及重新啟動嘗試的時間表，以協助加速解決程序。