翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

PCS での無効なノード登録 (INVALID_REG) AWS のトラブルシューティング

ノードが設定と競合するハードウェアに登録されると、Slurm はノードの状態を に設定INVALID_REGし、ドレインします。scontrol show node 出力のノードの Reasonフィールドは、原因を報告します。最も一般的な原因は、ハードウェアと一致しない CPU トポロジーの設定と、GPU 自動検出が有効な場合、検出された GPU アフィニティに合わないソケットレイアウトです。 AWS PCS が各 Slurm バージョンでトポロジを設定する方法の詳細については、「」を参照してくださいPCS AWS でのハードウェアトポロジの設定。

CPU トポロジがハードウェアと一致しません

ノードレポートよりも多くのリソースを宣言する設定済みソケットレイアウトは、次の理由でノードを登録します。

NodeName=my-cng-1-1 ... State=DOWN+CLOUD+DRAIN+INVALID_REG
   Reason=Low socket*core*thread count [slurm@2026-09-07T11:45:03]

理由テキストは逐語的です。比較されたカウントは、デバッグslurmctldログレベルでログにのみ として表示されますNode my-cng-1-1 has low socket*core*thread count (48 < 96)。これは、設定された Socketsと CoresPerSocketの組み合わせがノードの実際のコア数を超えていることを意味します。たとえば、NUMA または L3 キャッシュドメインの実際の数よりも大きいSocketsカスタム設定では、ハードウェアが満たせない合計が生成されます。

GPU アフィニティがソケットの境界に合わない

GPU 自動検出が有効な場合、ハードウェアと一致しないソケットレイアウトは、次の理由でノードを登録します。

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 ...

つまり、GPU は設定された 1 つのソケットに収まらないコアの範囲にアタッチされます。通常、CPU トポロジーなしで GPU 自動検出が有効になっている場合に表示されるため、ノードはデフォルトのone-core-per-socketのレイアウトに戻ります。

解決策

ソケットの境界がハードウェアと一致するように、コンピューティングノードグループの CPU トポロジを設定します。

詳細については、「Slurm バージョン別のトポロジ動作」を参照してください。