AWS ParallelCluster solución de problemas - AWS ParallelCluster
Recuperación y conservación de registrosSolución de problemas de implementación de pilasSolución de problemas en varios clústeres en modo de colaSolución de problemas en clústeres en modo de cola únicaProblemas con los grupos de ubicación y el lanzamiento de instanciasDirectorios que no se pueden reemplazarSolución de problemas en Amazon DCVSolución de problemas en clústeres con integración de AWS BatchSolución de problemas cuando un recurso no se creaSolución de problemas IAM de tamaño de la políticaCompatibilidad adicional

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

AWS ParallelCluster solución de problemas

La AWS ParallelCluster comunidad mantiene una página wiki que proporciona muchos consejos para la solución de problemas en la AWS ParallelCluster GitHub wiki. Para obtener una lista de problemas conocidos, consulte Problemas conocidos.

Recuperación y conservación de registros

Los registros son un recurso útil para solucionar problemas. Antes de poder usar los registros para solucionar problemas con sus recursos de AWS ParallelCluster , primero debe crear un archivo de registros del clúster. Siga los pasos descritos en el tema Creación de un archivo de registros de un clúster de la AWS ParallelCluster GitHub wiki para iniciar este proceso.

Si uno de sus clústeres en ejecución tiene problemas, debe colocar el clúster en ese estado STOPPED ejecutando el comando pcluster stop <cluster_name> antes de empezar a solucionar el problema. Esto evita incurrir en costes inesperados.

Si pcluster deja de funcionar o si desea eliminar un clúster sin dejar de conservar sus registros, ejecute el comando pcluster delete —keep-logs <cluster_name>. Al ejecutar este comando, se elimina el clúster, pero se conserva el grupo de registros que está almacenado en Amazon CloudWatch. Para obtener información sobre este comando, consulte la documentación de pcluster delete.

Solución de problemas de implementación de pilas

Si el clúster no se puede crear y revierte la creación de la pila, puede revisar los siguientes archivos de registro para diagnosticar el problema. Desea buscar el resultado de ROLLBACK_IN_PROGRESS en estos registros. El mensaje de error debe ser similar al siguiente:

$ pcluster create mycluster
Creating stack named: parallelcluster-mycluster
Status: parallelcluster-mycluster - ROLLBACK_IN_PROGRESS                        
Cluster creation failed.  Failed events:
  - AWS::EC2::Instance MasterServer Received FAILURE signal with UniqueId i-07af1cb218dd6a081

Para diagnosticar el problema, vuelva a crear el clúster utilizando pcluster create, incluida la marca --norollback. A continuación, SSH en el clúster:

$ pcluster create mycluster --norollback
...
$ pcluster ssh mycluster

Una vez que haya iniciado sesión en el nodo principal, encontrará tres archivos de registro principales que podrá usar para identificar el error.

  • /var/log/cfn-init.log es el registro del script cfn-init. Compruebe primero este registro. Es probable que veas un error como Command chef failed de este registro. Consulte las líneas inmediatamente anteriores a esta línea para obtener información más específica relacionada con el mensaje de error. Para obtener más información, consulte cfn-init.

  • /var/log/cloud-init.log es el registro de cloud-init. Si no ve nada en cfn-init.log, intente revisar este registro a continuación.

  • /var/log/cloud-init-output.log es el resultado de los comandos ejecutados por cloud-init. Esto incluye el resultado de cfn-init. En la mayoría de los casos, no es necesario consultar este registro para solucionar problemas de este tipo.

Solución de problemas en varios clústeres en modo de cola

Esta sección es relevante para los clústeres que se instalaron con AWS ParallelCluster la versión 2.9.0 y versiones posteriores con Slurm programador de tareas. Para obtener más información sobre el modo de colas múltiples, consulte Modo de Cola múltiple.

Registros clave

En la siguiente tabla se proporciona una descripción general de los registros clave del nodo principal:

/var/log/cfn-init.log

Este es el registro de AWS CloudFormation inicio. Contiene todos los comandos que se ejecutaron al configurar una instancia. Es útil para solucionar problemas de inicialización.

/var/log/chef-client.log

Este es el registro del cliente de Chef. Contiene todos los comandos que se ejecutaron a través de CINC Chef/. Es útil para solucionar problemas de inicialización.

/var/log/parallelcluster/slurm_resume.log

Se trata de un registro ResumeProgram. Lanza instancias para nodos dinámicos y es útil para solucionar problemas de lanzamiento de nodos dinámicos.

/var/log/parallelcluster/slurm_suspend.log

Este es el registro de SuspendProgram. Se llama cuando las instancias se terminan en el caso de los nodos dinámicos y es útil para solucionar problemas de terminación de los nodos dinámicos. Cuando revise este registro, también debe comprobar el registro de clustermgtd.

/var/log/parallelcluster/clustermgtd

Este es el registro de clustermgtd. Se ejecuta como el daemon centralizado que gestiona la mayoría de las acciones operativas del clúster. Es útil para solucionar cualquier problema de inicio, finalización o funcionamiento del clúster.

/var/log/slurmctld.log

Este es el Slurm registro de daemon de control. AWS ParallelCluster no toma decisiones de escalado. Más bien, solo intenta lanzar recursos para satisfacer las Slurm requisitos. Es útil para problemas de escalado y asignación, problemas relacionados con el trabajo y cualquier problema de lanzamiento y finalización relacionado con el programador.

Estas son las notas clave para los nodos de cómputo:

/var/log/cloud-init-output.log

Este es el registro de cloud-init. Contiene todos los comandos que se ejecutaron al configurar una instancia. Es útil para solucionar problemas de inicialización.

/var/log/parallelcluster/computemgtd

Este es el registro de computemgtd. Se ejecuta en cada nodo de cómputo para monitorizarlo en el raro caso de que el daemon clustermgtd del nodo principal esté desconectado. Es útil para solucionar problemas de terminación inesperados.

/var/log/slurmd.log

Este es el Slurm compute el registro de daemon. Es útil para solucionar problemas relacionados con la inicialización y los errores de computación.

Solución de problemas de inicialización de nodos

En esta sección, se explica cómo solucionar los problemas de inicialización de los nodos. Esto incluye los problemas en los que el nodo no puede iniciar, encender o unirse a un clúster.

Nodo principal:

Registros aplicables:

  • /var/log/cfn-init.log

  • /var/log/chef-client.log

  • /var/log/parallelcluster/clustermgtd

  • /var/log/parallelcluster/slurm_resume.log

  • /var/log/slurmctld.log

Compruebe los registros de /var/log/cfn-init.log y /var/log/chef-client.log. Estos registros deben contener todas las acciones que se ejecutaron cuando se configuró el nodo principal. La mayoría de los errores que se producen durante la configuración deberían incluir un mensaje de error en el registro de /var/log/chef-client.log. Si se especifican scripts previos o posteriores a la instalación en la configuración del clúster, compruebe que el script se ejecute correctamente a través de los mensajes de registro.

Cuando se crea un clúster, el nodo principal debe esperar a que los nodos de procesamiento se unan al clúster antes de poder unirse al clúster. Por lo tanto, si los nodos de computación no se unen al clúster, el nodo principal también falla. Puede seguir uno de estos procedimientos, dependiendo del tipo de notas de computación que utilice para solucionar problemas de este tipo:

Nodos de computación dinámicos:

  • Busque en el registro de ResumeProgram (/var/log/parallelcluster/slurm_resume.log) el nombre de su nodo de computación para ver si alguna vez se llamó a ResumeProgram con el nodo. (Si ResumeProgram nunca se llamó, puede comprobar el slurmctld registro (/var/log/slurmctld.log) para determinar si Slurm alguna vez intentó llamar ResumeProgram con el nodo.)

  • Tenga en cuenta que los permisos incorrectos activados en ResumeProgram pueden provocar un error silencioso en ResumeProgram. Si utilizas una configuración personalizada AMI con modificaciones en la ResumeProgram configuración, comprueba que ResumeProgram sea propiedad del slurm usuario y que tenga el permiso 744 (rwxr--r--).

  • Si se llama a ResumeProgram, compruebe si se ha lanzado una instancia para el nodo. Si no se lanzó ninguna instancia, debería poder ver un mensaje de error que describe el error de lanzamiento.

  • Si se lanza la instancia, es posible que haya habido un problema durante el proceso de configuración. Debería ver la dirección IP privada y el ID de instancia correspondientes en el registro de ResumeProgram. Además, puede consultar los registros de configuración correspondientes a la instancia específica. Para obtener más información acerca de la solución de problemas relacionados con un nodo de computación, consulte la siguiente sección.

Nodos de computación estáticos:

  • Compruebe el registro clustermgtd (/var/log/parallelcluster/clustermgtd) para ver si se han lanzado instancias para el nodo. Si no se lanzaron, debería haber un mensaje de error claro que detalle el error de lanzamiento.

  • Si se lanza la instancia, hay algún problema durante el proceso de configuración. Debería ver la dirección IP privada y el ID de instancia correspondientes en el registro de ResumeProgram. Además, puede consultar los registros de configuración correspondientes a la instancia específica.

  • Nodos de computación:

    • Registros aplicables:

      • /var/log/cloud-init-output.log

      • /var/log/slurmd.log

    • Si se ha lanzado un nodo de computación, compruebe primero que /var/log/cloud-init-output.log contenga los registros de configuración similares al registro de /var/log/chef-client.log del nodo principal. La mayoría de los errores que se producen durante la configuración deberían tener mensajes de error ubicados en el registro de /var/log/cloud-init-output.log. Si se especifican scripts previos o posteriores a la instalación en la configuración del clúster, compruebe que se hayan ejecutado correctamente.

    • Si utilizas una personalización AMI con una modificación de Slurm configuración, entonces puede haber una Slurm error relacionado que impide que el nodo de cómputo se una al clúster. Para ver los errores relacionados con el programador, consulte el registro de /var/log/slurmd.log.

Solución de problemas de sustituciones y terminaciones inesperadas de nodos

En esta sección se continúa analizando cómo puede solucionar problemas relacionados con los nodos, específicamente cuando un nodo se reemplaza o se cierra inesperadamente.

  • Registros aplicables:

    • /var/log/parallelcluster/clustermgtd (nodo principal)

    • /var/log/slurmctld.log (nodo principal)

    • /var/log/parallelcluster/computemgtd (nodo de computación)

  • Nodos sustituidos o finalizados de forma inesperada:

    • Consulte el registro de clustermgtd (/var/log/parallelcluster/clustermgtd) para ver si clustermgtd se tomó la medida necesaria para reemplazar o terminar un nodo. Tenga en cuenta que clustermgtd gestiona todas las acciones normales de mantenimiento del nodo.

    • Si clustermgtd se reemplaza o se cierra el nodo, debería haber un mensaje que detalle por qué se realizó esta acción en el nodo. Si el motivo está relacionado con el programador (por ejemplo, el nodo está en DOWN), consulte el registro slurmctld para obtener más detalles. Si el motivo está EC2 relacionado con Amazon, debería haber un mensaje informativo que detalle el problema EC2 relacionado con Amazon que requirió el reemplazo.

    • Si clustermgtd no canceló el nodo, compruebe primero si se trataba de una terminación prevista por parte de AmazonEC2, más específicamente, de una terminación puntual. computemgtd, que se ejecuta en un nodo de cómputo, también puede realizar una acción para cerrar un nodo si clustermgtd se determina que está en mal estado. Compruebe el registro de computemgtd (/var/log/parallelcluster/computemgtd) para ver si computemgtd ha terminado el nodo.

  • Los nodos fallaron

    • Compruebe el registro de slurmctld (/var/log/slurmctld.log) para ver por qué ha fallado un trabajo o un nodo. Tenga en cuenta que los trabajos se vuelven a poner en cola automáticamente si se produce un error en un nodo.

    • Si slurm_resume informa de que el nodo se ha lanzado y, después de varios minutos, clustermgtd informa de que no hay ninguna instancia correspondiente en Amazon EC2 para ese nodo, es posible que el nodo produzca un error durante la configuración. Para recuperar el registro de un compute (/var/log/cloud-init-output.log), siga estos pasos:

      • Envía un trabajo para alquilarlo Slurm hacer girar un nuevo nodo.

      • Una vez que se inicie el nodo, habilite la protección de terminación mediante este comando.

        aws ec2 modify-instance-attribute --instance-id i-xyz --disable-api-termination

      • Recupere la salida de la consola del nodo con este comando.

        aws ec2 get-console-output --instance-id i-xyz --output text

Reemplazar, terminar o apagar las instancias y nodos problemáticos

  • Registros aplicables:

    • /var/log/parallelcluster/clustermgtd (nodo principal)

    • /var/log/parallelcluster/slurm_suspend.log (nodo principal)

  • En la mayoría, clustermgtd administra todas las acciones de finalización de instancias esperadas. Consulte el registro clustermgtd para ver por qué no se ha podido sustituir o finalizar un nodo.

  • En el caso de los nodos dinámicos que no superan el scaledown_idletime, consulte el registro de SuspendProgram para ver si lo llamó slurmctld con el nodo específico como argumento. Tenga en cuenta que SuspendProgram no realiza ninguna acción específica. Más bien, solo se encarga de registrar cuando se le llama. La terminación de todas las instancias y el restablecimiento de NodeAddr los realiza clustermgtd. Slurm devuelve los nodos a un POWER_SAVING estado posterior SuspendTimeout automáticamente.

Solución de otros problemas de nodos y trabajos conocidos

Otro tipo de problema conocido es que es AWS ParallelCluster posible que no se puedan asignar las tareas ni tomar decisiones de escalado. Con este tipo de problema, AWS ParallelCluster solo se lanzan, finalizan o mantienen los recursos de acuerdo con Slurm instrucciones. En el caso de estos problemas, consulte el registro de slurmctld para solucionarlos.

Solución de problemas en clústeres en modo de cola única

nota

A partir de la versión 2.11.5, AWS ParallelCluster no admite el uso de SGE o Torque planificadores.

Esta sección se aplica a los clústeres que no tienen el modo de cola múltiple con una de las dos configuraciones siguientes:

  • Lanzado con una AWS ParallelCluster versión anterior a la 2.9.0 y SGE, Torque, o Slurm programadores de trabajos.

  • Lanzado con la AWS ParallelCluster versión 2.9.0 o posterior y SGE o Torque programadores de tareas.

Registros clave

Los siguientes archivos de registro son los registros clave del nodo principal.

Para la AWS ParallelCluster versión 2.9.0 o posterior:

/var/log/chef-client.log

Este es el registro del cliente CINC (chef). Contiene todos los comandos que se ejecutaronCINC. Es útil para solucionar problemas de inicialización.

Para todas AWS ParallelCluster las versiones:

/var/log/cfn-init.log

Este es el registro de cfn-init. Contiene todos los comandos que se ejecutaron al configurar una instancia y, por lo tanto, resulta útil para solucionar problemas de inicialización. Para obtener más información, consulte cfn-init.

/var/log/clustermgtd.log

Este es el clustermgtd registro de Slurm programadores. clustermgtdse ejecuta como el daemon centralizado que gestiona la mayoría de las acciones operativas del clúster. Es útil para solucionar cualquier problema de inicio, finalización o funcionamiento del clúster.

/var/log/jobwatcher

Este es el jobwatcher registro de SGE y Torque programadores. jobwatchersupervisa la cola del planificador y actualiza el Grupo de Auto Scaling. Es útil para solucionar problemas relacionados con el escalado vertical de los nodos.

/var/log/sqswatcher

Este es el registro de sqswatcher SGE y Torque programadores. sqswatcherprocesa el evento listo para la instancia enviado por una instancia de cómputo tras una inicialización correcta. También agrega nodos de cómputo a la configuración del programador. Este registro es útil para solucionar los motivos por los que uno o varios nodos no pudieron unirse a un clúster.

A continuación, se muestran los registros clave de los nodos de procesamiento.

AWS ParallelCluster versión 2.9.0 o posterior

/var/log/cloud-init-output.log

Este es el registro de inicio de la nube. Contiene todos los comandos que se ejecutaron al configurar una instancia. Es útil para solucionar problemas de inicialización.

AWS ParallelCluster versiones anteriores a la 2.9.0

/var/log/cfn-init.log

Este es el registro de CloudFormation inicio. Contiene todos los comandos que se ejecutaron al configurar una instancia. Es útil para solucionar problemas de inicialización

Todas las versiones

/var/log/nodewatcher

Este es el nodewatcher registro. nodewatcherdemonios que se ejecutan en cada nodo de cómputo cuando se utilizan SGE y Torque planificadores. Reducen verticalmente un nodo si está inactivo. Este registro es útil para cualquier problema relacionado con la reducción vertical de los recursos.

Solución de problemas en las operaciones de inicio y unión fallidas

  • Registros aplicables:

    • /var/log/cfn-init-cmd.log (nodo principal y nodo de computación)

    • /var/log/sqswatcher (nodo principal)

  • Si los nodos no se pudieron iniciar, consulte el registro de /var/log/cfn-init-cmd.log para ver el mensaje de error específico. En la mayoría de los casos, los errores en el lanzamiento de los nodos se deben a un error de configuración.

  • Si los nodos de cómputo no pudieron unirse a la configuración del programador a pesar de haberse configurado correctamente, compruebe en el registro de /var/log/sqswatcher si sqswatcher procesó el evento. En la mayoría de los casos, estos problemas se deben a sqswatcher que no procesó el evento.

Solución de problemas de escalar

  • Registros aplicables:

    • /var/log/jobwatcher (nodo principal)

    • /var/log/nodewatcher (nodo de computación)

  • Problemas de escalado vertical: en el caso del nodo principal, compruebe el registro de /var/log/jobwatcher para ver si el daemon de jobwatcher calculó el número correcto de nodos necesarios y actualizó el grupo de escalado automático. Tenga en cuenta que jobwatcher monitorea la cola del programador y actualiza el grupo de escalado automático.

  • Problemas de reducción de escala vertical: en el caso de los nodos de cómputo, compruebe el registro de /var/log/nodewatcher del nodo problemático para ver por qué se ha reducido verticalmente el nodo. Tenga en cuenta que los daemons de nodewatcher reducen la escala de un nodo de computación si está inactivo.

Un problema conocido es que una nota de cálculo aleatoria falla en los clústeres de gran escala, específicamente en aquellos con 500 o más nodos de procesamiento. Este problema está relacionado con una limitación de la arquitectura de escalado de los clústeres de cola única. Si desea utilizar un clúster a gran escala, está utilizando la AWS ParallelCluster versión v2.9.0 o posterior, utilice Slurm, y para evitar este problema, debe actualizar y cambiar a un clúster compatible con el modo de cola múltiple. Puede hacerlo ejecutando pcluster-config convert.

En el caso de los clústeres a gran escala, es posible que sea necesario realizar ajustes adicionales en el sistema. Para obtener más información, póngase en contacto con AWS Support.

Problemas con los grupos de ubicación y el lanzamiento de instancias

Para obtener la latencia entre nodos más baja, use un grupo de ubicación. Un grupo de ubicación garantiza que las instancias estén en la misma red troncal. Si no hay suficientes instancias disponibles cuando se realiza la solicitud, se devuelve un error InsufficientInstanceCapacity. Para reducir la posibilidad de recibir este error al utilizar grupos con ubicación en clúster, establezca el parámetro placement_group en DYNAMIC y establezca el parámetro placement en compute.

Si necesita un sistema de archivos compartidos de alto rendimiento, considere usarlo FSxpara Lustre.

Si el nodo principal debe estar en el grupo de ubicación, utilice el mismo tipo de instancia y subred para los nodos principal y de computación. Al hacer esto, el parámetro compute_instance_type tiene el mismo valor que el parámetro master_instance_type; el parámetro placement está establecido en cluster; y el parámetro compute_subnet_id no se ha especificado. Con esta configuración, el parámetro master_subnet_id se utiliza para los nodos de computación.

Para obtener más información, consulta la sección Solución de problemas de lanzamiento de instancias y las funciones y limitaciones de los grupos de ubicación en la Guía del EC2 usuario de Amazon

Directorios que no se pueden reemplazar

Los siguientes directorios se comparten entre los nodos y no se pueden reemplazar.

/home

Esto incluye la carpeta de inicio del usuario predeterminada (/home/ec2_useren Amazon Linux, /home/centos en CentOS, y así /home/ubuntu sucesivamente Ubuntu).

/opt/intel

Esto incluye IntelMPI, Intel Parallel Studio y archivos relacionados.

/opt/sge
nota

A partir de la versión 2.11.5, AWS ParallelCluster no admite el uso de SGE o Torque planificadores.

Esto incluye Son of Grid Engine y archivos relacionados. (Condicional, solo si scheduler = sge).

/opt/slurm

Esto incluye Slurm Workload Manager y archivos relacionados. (Condicional, solo si scheduler = slurm).

/opt/torque
nota

A partir de la versión 2.11.5, AWS ParallelCluster no admite el uso de SGE o Torque planificadores.

Esto incluye Torque Resource Manager y archivos relacionados. (Condicional, solo si scheduler = torque).

Solución de problemas en Amazon DCV

Logs para Amazon DCV

Los registros de Amazon DCV se escriben en los archivos del /var/log/dcv/ directorio. Revisar estos registros puede ayudar a solucionar problemas.

Memoria de tipo DCV instancia de Amazon

El tipo de instancia debe tener al menos 1,7 gibibyte (GiB) para RAM ejecutar Amazon. DCV Nano y micro los tipos de instancia no tienen memoria suficiente para ejecutar AmazonDCV.

DCVProblemas con Ubuntu Amazon

Al ejecutar la Terminal de Gnome durante una DCV sesión en Ubuntu, es posible que no tengas acceso automáticamente al entorno de usuario que AWS ParallelCluster está disponible a través del shell de inicio de sesión. El entorno de usuario proporciona módulos de entorno, como openmpi o intelmpi, y otros ajustes de usuario.

La configuración predeterminada de la Terminal de Gnome impide que el intérprete de comandos se inicie como un intérprete de comandos de inicio de sesión. Esto significa que los perfiles de shell no se obtienen automáticamente y el entorno AWS ParallelCluster de usuario no está cargado.

Para obtener correctamente el perfil de shell y acceder al entorno AWS ParallelCluster de usuario, realice una de las siguientes acciones:

  • Cambie la configuración predeterminada del terminal:

    1. Seleccione el menú Editar en la terminal de Gnome.

    2. Seleccione Preferencias y, a continuación, Perfiles.

    3. Elija Comando y seleccione Ejecutar comando como intérprete de comandos de inicio de sesión.

    4. Abrir una nueva terminal.

  • Utilice la línea de comandos para obtener los perfiles disponibles:

    $ source /etc/profile && source $HOME/.bashrc

Solución de problemas en clústeres con integración de AWS Batch

Esta sección es relevante para los clústeres con integración de AWS Batch planificadores.

Problemas con el nodo principal

Los problemas de configuración relacionados con el nodo principal se pueden solucionar de la misma manera que con un clúster de cola única. Para obtener más información sobre estos problemas, consulte Solución de problemas en clústeres en modo de cola única.

AWS Batch problemas de envío de trabajos paralelos de varios nodos

Si tiene problemas para enviar trabajos paralelos de varios nodos al utilizarlos AWS Batch como programador de trabajos, debe actualizar a la AWS ParallelCluster versión 2.5.0. Si eso no es posible, puede utilizar la solución alternativa que se detalla en el tema: Self patch a cluster used for submitting multi-node parallel jobs through AWS Batch.

Problemas informáticos

AWS Batch gestiona los aspectos de escalado y computación de sus servicios. Si tiene problemas relacionados con la informática, consulte la documentación AWS Batch de solución de problemas para obtener ayuda.

Errores en los trabajos

Si se produce un error en un trabajo, puede ejecutar el comando awsbout para recuperar el resultado del trabajo. También puedes ejecutar el awsbstat -d comando para obtener un enlace a los registros de trabajos almacenados por Amazon CloudWatch.

Solución de problemas cuando un recurso no se crea

Esta sección es relevante para los recursos del clúster cuando no se pueden crear.

Cuando no se puede crear un recurso, ParallelCluster devuelve un mensaje de error como el siguiente.

pcluster create -c config my-cluster
Beginning cluster creation for cluster: my-cluster
WARNING: The instance type 'p4d.24xlarge' cannot take public IPs. Please make sure that the subnet with 
id 'subnet-1234567890abcdef0' has the proper routing configuration to allow private IPs reaching the 
Internet (e.g. a NAT Gateway and a valid route table).
WARNING: The instance type 'p4d.24xlarge' cannot take public IPs. Please make sure that the subnet with
id 'subnet-1234567890abcdef0' has the proper routing configuration to allow private IPs reaching the Internet 
(e.g. a NAT Gateway and a valid route table).
Info: There is a newer version 3.0.3 of AWS ParallelCluster available.
Creating stack named: parallelcluster-my-cluster
Status: parallelcluster-my-cluster - ROLLBACK_IN_PROGRESS                   
Cluster creation failed.  Failed events:
- AWS::CloudFormation::Stack MasterServerSubstack Embedded stack 
arn:aws:cloudformation:region-id:123456789012:stack/parallelcluster-my-cluster-MasterServerSubstack-ABCDEFGHIJKL/a1234567-b321-c765-d432-dcba98766789 
was not successfully created: 
The following resource(s) failed to create: [MasterServer]. 
- AWS::CloudFormation::Stack parallelcluster-my-cluster-MasterServerSubstack-ABCDEFGHIJKL The following resource(s) failed to create: [MasterServer]. 
- AWS::EC2::Instance MasterServer You have requested more vCPU capacity than your current vCPU limit of 0 allows for the instance bucket that the 
specified instance type belongs to. Please visit http://aws.amazon.com/contact-us/ec2-request to request an adjustment to this limit.  
(Service: AmazonEC2; Status Code: 400; Error Code: VcpuLimitExceeded; Request ID: a9876543-b321-c765-d432-dcba98766789; Proxy: null)
}

Por ejemplo, si ves el mensaje de estado que se muestra en la respuesta del comando anterior, debes usar tipos de instancias que no superen tu CPU límite v actual o solicitar más CPU capacidad de v.

También puedes usar la CloudFormation consola para ver información sobre el "Cluster creation failed" estado.

Vea los mensajes de CloudFormation error de la consola.

  1. Inicie sesión en /cloudformation AWS Management Console y diríjase a https://console.aws.amazon.com/cloudformation.

  2. Seleccione la pila denominada parallelcluster-cluster_name.

  3. Seleccione la pestaña Eventos.

  4. Compruebe el estado del recurso que no se pudo crear desplazándose por la lista de eventos del recurso por identificador lógico. Si no se pudo crear una subtarea, retroceda para encontrar el evento de recurso fallido.

  5. Un ejemplo de AWS CloudFormation mensaje de error:

    2022-02-07 11:59:14 UTC-0800	MasterServerSubstack	CREATE_FAILED	Embedded stack 
arn:aws:cloudformation:region-id:123456789012:stack/parallelcluster-my-cluster-MasterServerSubstack-ABCDEFGHIJKL/a1234567-b321-c765-d432-dcba98766789
was not successfully created: The following resource(s) failed to create: [MasterServer].

Solución de problemas IAM de tamaño de la política

Consulte las IAM AWS STS cuotas, los requisitos de nombres y los límites de caracteres para comprobar las cuotas de las políticas gestionadas asociadas a las funciones. Si el tamaño de una política administrada supera la cuota, divida la política en dos o más políticas. Si superas la cuota de políticas asociadas a un IAM rol, crea roles adicionales y distribuye las políticas entre ellos para cumplir con la cuota.

Compatibilidad adicional

Para ver una lista de problemas conocidos, consulta la página principal de la GitHubwiki o la página de problemas. Para problemas más urgentes, contacta AWS Support o abre un nuevo GitHub número.