Solución de problemas de AWS ParallelCluster - 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 de Amazon DCVSolución de problemas en clústeres con integración de AWS BatchSolución de problemas cuando un recurso no se creaSolución de problemas de tamaño de políticas de IAMCompatibilidad 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.

Solución de problemas de AWS ParallelCluster

La comunidad de AWS ParallelCluster mantiene una página wiki que proporciona muchos consejos para la solución de problemas en la Wiki de GitHub de AWS ParallelCluster. 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 Creating an Archive of a Cluster’s Logs en la Wiki de GitHub de AWS ParallelCluster 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 retiene el grupo de registros 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, introduzca 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 la versión 2.9.0 y versiones posteriores de AWS ParallelCluster con el programador de tareas de Slurm. 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 init del archivo AWS CloudFormation. 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 Chef/CINC. 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 registro del daemon de control de Slurm. AWS ParallelCluster no toma decisiones de escalado. Más bien, solo intenta lanzar recursos para satisfacer los requisitos de Slurm. 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 registro del daemon de computación de Slurm. 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 lo llamaron, puede consultar el slurmctld registro (/var/log/slurmctld.log) para determinar si Slurm alguna vez intentó llamar a ResumeProgram con el nodo).

  • Tenga en cuenta que los permisos incorrectos activados en ResumeProgram pueden provocar un error silencioso en ResumeProgram. Si utiliza una AMI personalizada con modificaciones en la configuración de ResumeProgram, compruebe que ResumeProgram sea propiedad del usuario de slurm 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 utiliza una AMI personalizada con modificaciones en la configuración de Slurm, es posible que se produzca un error relacionado con Slurm que impida que el nodo de procesamiento 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 relacionado con Amazon EC2, debería haber un mensaje informativo en el que se detalle el problema relacionado con Amazon EC2 que requirió la sustitución.

    • Si clustermgtd no terminó el nodo, compruebe primero si se trataba de una terminación prevista por parte de Amazon EC2, más específicamente 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 permitir que Slurm active 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 automáticamente los nodos a un estado de POWER_SAVING después de SuspendTimeout.

Solución de otros problemas de nodos y trabajos conocidos

Otro tipo de problema conocido es que es posible que AWS ParallelCluster no pueda asignar las tareas ni tomar decisiones de escalado. En este tipo de problemas, AWS ParallelCluster solo inicia, finaliza o mantiene los recursos de acuerdo con las instrucciones de Slurm. 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 programadores de SGE o Torque.

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

  • Se lanzó con una versión de AWS ParallelCluster anterior a la 2.9.0 o con los programadores de trabajos de SGE, Torque, Slurm.

  • Se lanzó con la versión de AWS ParallelCluster 2.9.0 o posterior o con los programadores de trabajos de SGE o Torque.

Registros clave

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

Para 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 ejecutaron a través de CINC. Es útil para solucionar problemas de inicialización.

Para todas las versiones de AWS ParallelCluster:

/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 registro de clustermgtd para los programadores de Slurm. 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/jobwatcher

Este es el registro de jobwatcher para los programadores SGE y Torque. jobwatcher supervisa la cola del programador y actualiza el grupo de escalado automático. Es útil para solucionar problemas relacionados con el escalado vertical de los nodos.

/var/log/sqswatcher

Este es el registro de sqswatcher para los programadores de SGE y Torque. sqswatcher procesa 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 versión 2.9.0

/var/log/cfn-init.log

Este es el registro de inicio de CloudFormation. 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 registro de nodewatcher. Los daemons de nodewatcher que se ejecutan en cada nodo de computación cuando se utilizan los programadores SGE y Torque. 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 versión 2.9.0 o posterior de AWS ParallelCluster, está utilizando Slurm y quiere 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 Soporte.

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 la posibilidad de utilizar FSx para 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, consulte Solución de problemas de lanzamiento de instancias y Reglas y limitaciones de los grupos de ubicación en la Guía de usuario de Amazon EC2.

Directorios que no se pueden reemplazar

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

/home

Esto incluye la carpeta principal del usuario predeterminada (/home/ec2_user en Amazon Linux, /home/centos en CentOS y /home/ubuntu en Ubuntu).

/opt/intel

Esto incluye Intel MPI, Intel Parallel Studio y archivos relacionados.

/opt/sge
nota

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

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 programadores de SGE o Torque.

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

Solución de problemas de Amazon DCV

Registros para Amazon DCV

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

Memoria de tipo instancia de Amazon DCV

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

Problemas con Ubuntu Amazon DCV

Al ejecutar la Terminal de Gnome en una sesión de DCV en Ubuntu, es posible que no tenga acceso automáticamente al entorno de usuario que ofrece AWS ParallelCluster a través del intérprete de comandos 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 intérprete de comandos no se obtienen automáticamente y el entorno AWS ParallelCluster de usuario no se carga.

Para obtener correctamente el perfil de intérprete de comandos y acceder al entorno de usuario AWS ParallelCluster, 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 programadores de AWS Batch.

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.

Problemas de envío de trabajos paralelos de varios nodos de AWS Batch

Si tiene problemas para enviar trabajos paralelos de varios nodos cuando se utiliza AWS Batch como programador de trabajos, actualice a 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 de solución de problemas de AWS Batch 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 puede ejecutar el comando awsbstat -d 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 crea 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 ve el mensaje de estado que se muestra en la respuesta del comando anterior, debe usar tipos de instancias que no superen el límite actual de vCPU ni solicitar más capacidad de vCPU.

También puede usar la consola CloudFormation para ver información acerca del estado "Cluster creation failed".

Vea los mensajes de error de CloudFormation desde la consola.

  1. Inicie sesión en AWS Management Console y navegue 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 mensaje de error de AWS CloudFormation:

    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 de tamaño de políticas de IAM

Consulte IAM and AWS STS quotas, name requirements, and character limits para verificar las cuotas de las políticas administradas asociadas a los roles. Si el tamaño de una política administrada supera la cuota, divida la política en dos o más políticas. Si supera la cuota de políticas asociadas a un rol de IAM, crea funciones adicionales y distribuye las políticas entre ellas para cumplir con la cuota.

Compatibilidad adicional

Para obtener una lista de problemas conocidos, consulte la página principal del Wiki de GitHub o la página de problemas. Para problemas más urgentes, contacte Soporte o abra un nuevo número de GitHub.