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.
Solucione los problemas de registros de nodos no válidos (INVALID_REG) en AWS PCS
Cuando un nodo se registra con un hardware que entra en conflicto con su configuración, Slurm establece el estado del nodo y lo agota. INVALID_REG El Reason campo del nodo en la scontrol show node salida indica la causa. Las causas más comunes son una topología de CPU configurada que no coincide con el hardware y, con la detección automática de GPU activa, un diseño de socket que no se ajusta a la afinidad de GPU detectada. Para obtener información adicional sobre cómo AWS PCS configura la topología en cada versión de Slurm, consulte. Configuración de la topología de hardware en AWS PC
La topología de la CPU no coincide con el hardware
Un diseño de socket configurado que declare más recursos de los que informa el nodo hace que el nodo se registre por el siguiente motivo:
NodeName=my-cng-1-1 ... State=DOWN+CLOUD+DRAIN+INVALID_REG Reason=Low socket*core*thread count [slurm@2026-09-07T11:45:03]
El texto del motivo es literal; los recuentos comparados solo aparecen en el slurmctld registro a nivel de registro de depuración, como. Node my-cng-1-1 has low
socket*core*thread count (48 < 96) Esto significa que la configuración Sockets y la CoresPerSocket combinación superan el número real de núcleos del nodo. Por ejemplo, una configuración Sockets personalizada superior al número real de dominios de caché NUMA o L3 produce un total que el hardware no puede satisfacer.
La afinidad de la GPU no se ajusta a los límites de los sockets
Con la detección automática de GPU activa, un diseño de socket que no coincide con el hardware hace que el nodo se registre por el siguiente motivo:
Reason=gres/gpu GRES autodetected core affinity 0-23 on node my-cng-1-1 doesn't match socket boundaries. (Socket 0 is cores 0-0). Consider setting Parameters=l3cache_as_socket ...
Esto significa que la GPU está conectada a una gama de núcleos que no caben en un socket configurado. Suele aparecer cuando la detección automática de la GPU está habilitada sin una topología de CPU, por lo que el nodo vuelve al diseño predeterminado de un núcleo por socket.
Resolución
Configure la topología de CPU del grupo de nodos de procesamiento para que los límites de los sockets coincidan con los del hardware:
-
En Slurm 25.11, defina
Sockets(yParameters) la configuración personalizada de Slurm del grupo de nodos de computación. -
En Slurm 26.05 y versiones posteriores, elimina o corrige una
Socketsanulación que no coincida con el hardware y deja que PCS aplique la topología automática. AWS
Para obtener más información, consulte Comportamiento de la topología según la versión de Slurm.
