对中的节点生命周期操作进行故障排除 AWS PCS

节点在启动期间终止

A nodeBootstrapped 或nodeReady脚本以非零值退出 onError=TERMINATE

检查 /var/log/amazon/pcs/lifecycle/actions/<stage>/<name>.log。onError=STOP_SEQUENCE临时设置以保留节点以供调试。

脚本下载失败

缺失s3:GetObject、没有网络出口，或错误的 URL

验证实例 IAM 角色和 VPC 路由或终端节点；确认 URL 和（对于 S3）s3VersionId。

校验和不匹配

脚本内容已更改或已损坏

重新生成 SHA-256 并更新配置，或者在迭代时移除校验和。

节点永远不会准备就绪

脚本超过了大约 30 分钟的注册窗口

将长时间安装移至 AMI 或共享文件系统；将工作分阶段拆分。

更新后的脚本未应用

CACHE_ONCE保留原始副本

使用REFRESH_ON_REBOOT或替换实例。

重启后脚本未重新运行

executionPolicy是FIRST_BOOT_ONLY（默认）

executionPolicy=EVERY_BOOT为必须在每次启动时运行的脚本进行设置。

sinfo或者在脚本中找scontrol不到

脚本在nodeBootstrapped舞台上运行，之前 slurmd

将 Slurm-dependent 工作移到nodeReady舞台上。

终止后看不到日志

日志是实例的本地日志

添加将日志转发到亚马逊的节点引导脚本。 CloudWatch