Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Fehler bei der Initialisierung von Compute-Knoten werden angezeigt
Ich sehe rein Node bootstrap error
clustermgtd.log
Das Problem hängt damit zusammen, dass Rechenknoten nicht booten können. Informationen zum Debuggen eines Problems im geschützten Clustermodus finden Sie unter. Wie debuggt man den geschützten Modus
Ich habe On-Demand-Kapazitätsreservierungen (ODCRs) oder zonale Reserved Instances konfiguriert
ODCRs, die Instances mit mehreren Netzwerkschnittstellen wie P4d, P4de und Trainium (Trn) enthalten AWS
Überprüfen Sie in der Cluster-Konfigurationsdatei, ob sich der in einem öffentlichen Subnetz HeadNode
befindet und ob sich die Rechenknoten in einem privaten Subnetz befinden.
ODCRs sind gezielte ODCRs
Ich sehe, Unable to read file '/opt/slurm/etc/pcluster/run_instances_overrides.json'.
obwohl ich es bereits eingerichtet habe, indem ich die Anweisungen /opt/slurm/etc/pcluster/run_instances_overrides.json
in befolge Starten Sie Instances mit On-Demand-Kapazitätsreservierungen (ODCR)
Wenn Sie die AWS ParallelCluster Versionen 3.1.1 bis 3.2.1 mit gezielten ODCRs verwenden und auch die JSON-Datei run instances override verwenden, ist die JSON-Datei möglicherweise nicht richtig formatiert. Sie könnten einen Fehler wie den folgenden sehenclustermgtd.log
:
Unable to read file '/opt/slurm/etc/pcluster/run_instances_overrides.json'. Using default: {} in /var/log/parallelcluster/clustermgtd.
Stellen Sie sicher, dass das JSON-Dateiformat korrekt ist, indem Sie Folgendes ausführen:
$
echo /opt/slurm/etc/pcluster/run_instances_overrides.json | jq
Zeigt Found RunInstances parameters override.
anclustermgtd.log
, wann die Clustererstellung fehlgeschlagen ist oder slurm_resume.log
wann die Ausführung des Jobs fehlgeschlagen ist
Wenn Sie Run-Instances verwenden, die die JSON-Datei überschreiben, überprüfen Sie, ob Sie den Warteschlangennamen und den Namen der Rechenressourcen in der /opt/slurm/etc/pcluster/run_instances_overrides.json
Datei korrekt angegeben haben.
Ich sehe An error occurred (InsufficientInstanceCapacity)
slurm_resume.log
, wenn ich einen Job nicht ausführen kann oder clustermgtd.log
wann ich keinen Cluster erstellen kann
Verwenden von PG-ODCR (Placement Group ODCR)
Wenn Sie ein ODCR mit einer zugehörigen Platzierungsgruppe erstellen, muss derselbe Platzierungsgruppenname in der Konfigurationsdatei verwendet werden. Geben Sie den Namen der entsprechenden Platzierungsgruppe in der Cluster-Konfiguration ein.
Verwendung zonaler Reserved Instances
Wenn Sie zonale Reserved Instances mitPlacementGroup
/Enabled
bis true
in der Cluster-Konfiguration verwenden, wird möglicherweise ein Fehler wie der folgende angezeigt:
We currently do not have sufficient trn1.32xlarge capacity in the Availability Zone you requested (us-east-1d). Our system will be working on provisioning additional capacity. You can currently get trn1.32xlarge capacity by not specifying an Availability Zone in your request or choosing us-east-1a, us-east-1b, us-east-1c, us-east-1e, us-east-1f.
Dieser Fehler tritt möglicherweise auf, weil sich die zonalen Reserved Instances nicht in derselben UC (oder Spine) befinden, was bei der Verwendung von Platzierungsgruppen zu Fehlern bei unzureichender Kapazität (ICEs) führen kann. Sie können diesen Fall überprüfen, indem Sie die PlacementGroup
Gruppeneinstellung in der Clusterkonfiguration deaktivieren, um festzustellen, ob der Cluster die Instances zuweisen kann.
Ich sehe An error occurred (VcpuLimitExceeded)
slurm_resume.log
, wenn ich einen Job nicht ausführen kann, oder wenn ich keinen Cluster erstellen kann clustermgtd.log
Überprüfen Sie die vCPU-Limits in Ihrem Konto für den spezifischen Amazon EC2 EC2-Instance-Typ, den Sie verwenden. Wenn Sie keine oder weniger vCPUs sehen, als Sie anfordern, fordern Sie eine Erhöhung Ihrer Limits an. Informationen darüber, wie Sie aktuelle Limits einsehen und neue Limits anfordern können, finden Sie unter Amazon EC2-Servicekontingente im Amazon EC2-Benutzerhandbuch.
Ich sehe An error occurred (InsufficientInstanceCapacity)
slurm_resume.log
, wenn ich einen Job nicht ausführen kann, oder wenn ich keinen Cluster erstellen kann clustermgtd.log
Sie haben ein Problem mit unzureichender Kapazität. Folgen Sie https://aws.amazon.com/premiumsupport/knowledge-center/ec2 -insufficient-capacity-errors/
Ich sehe, dass sich die Knoten im DOWN
Zustand von befinden Reason (Code:InsufficientInstanceCapacity)...
Sie haben ein Problem mit unzureichender Kapazität. Folgen Sie https://aws.amazon.com/premiumsupport/knowledge-center/ec2 -insufficient-capacity-errors/
Seht rein cannot change locale (en_US.utf-8) because it has an invalid name
slurm_resume.log
Dies kann passieren, wenn der yum
Installationsvorgang nicht erfolgreich war und die Gebietsschemaeinstellungen inkonsistent geblieben sind. Dies kann beispielsweise der Fall sein, wenn ein Benutzer den Installationsvorgang beendet.
Gehen Sie wie folgt vor, um die Ursache zu überprüfen:
-
Führen Sie
su - pcluster-admin
.Die Shell zeigt einen Fehler an,
cannot change locale...no such file or directory
z. B. -
Führen Sie
localedef --list
.Gibt eine leere Liste zurück oder enthält nicht das Standardgebietsschema.
-
Überprüfen Sie den letzten
yum
Befehl mityum history
undyum history info #ID
. Hat die letzte IDReturn-Code: Success
?Wenn die letzte ID nicht vorhanden ist
Return-Code: Success
, wurden die Skripts nach der Installation möglicherweise nicht erfolgreich ausgeführt.
Um das Problem zu beheben, versuchen Sie, das Gebietsschema mit neu zu erstellen. yum reinstall glibc-all-langpacks
Nach der Neuerstellung su - pcluster-admin
wird kein Fehler oder keine Warnung angezeigt, wenn das Problem behoben ist.
Keines der vorherigen Szenarien trifft auf meine Situation zu
Informationen zur Behebung von Problemen bei der Initialisierung von Compute-Knoten finden Sie unterBehebung von Problemen bei der Knoteninitialisierung.
Prüfen Sie, ob Ihr Szenario unter GitHub Bekannte Probleme
Zusätzliche Unterstützung finden Sie unterZusätzliche Unterstützung.