步骤 1-检索目标 AWS PCS集群的地址和密钥步骤 2-启动实EC2例步骤 3-在实例上安装 Slurm 步骤 4-检索和存储集群密钥步骤 5-配置与 AWS PCS集群的连接步骤 6-（可选）测试连接

使用独立实例作为 AWS PCS登录节点

您可以设置独立EC2实例以与 AWS PCS集群的 Slurm 调度器进行交互。这对于创建登录节点、工作站或专用工作流管理主机非常有用，这些主机可以与 AWS PCS群集配合使用，但在 AWS PCS管理之外运行。为此，每个独立实例必须：

安装兼容的 Slurm 软件版本。
能够连接到 AWS PCS集群的 Slurmctld 终端节点。
使用集群的终端节点和密钥正确配置 Slurm Auth 和 Cred Kiosk Daemon (sackd)。 AWS PCS有关更多信息，请参阅 Slurm 文档中的 sackd。

本教程可帮助您配置连接到 AWS PCS集群的独立实例。

步骤 1-检索目标 AWS PCS集群的地址和密钥

使用以下命令检索有关目标 AWS PCS集群 AWS CLI 的详细信息。在运行命令之前，进行以下替换：

Replace（替换） region-code 以及目标 AWS 区域集群的运行位置。
Replace（替换） cluster-ident 使用目标集群的名称或标识符


aws pcs get-cluster --region region-code --cluster-identifier cluster-ident

该命令将返回类似于此示例的输出。


{
    "cluster": {
        "name": "get-started",
        "id": "pcs_123456abcd",
        "arn": "arn:aws:pcs:us-east-1:111122223333:cluster/pcs_123456abcd",
        "status": "ACTIVE",
        "createdAt": "2024-09-23T21:03:52+00:00",
        "modifiedAt": "2024-09-23T21:03:52+00:00",
        "scheduler": {
            "type": "SLURM",
            "version": "23.11"
        },
        "size": "SMALL",
        "slurmConfiguration": {
            "authKey": {
                "secretArn": "arn:aws:secretsmanager:us-east-1:111122223333:secret:pcs!slurm-secret-pcs_123456abcd-a12ABC",
                "secretVersion": "ef232370-d3e7-434c-9a87-ec35c1987f75"
            }
        },
        "networking": {
            "subnetIds": [
                "subnet-0123456789abcdef0"
            ],
            "securityGroupIds": [
                "sg-0123456789abcdef0"
            ]
        },
        "endpoints": [
            {
                "type": "SLURMCTLD",
                "privateIpAddress": "10.3.149.220",
                "port": "6817"
            }
        ]
    }
}

在此示例中，集群 Slurm 控制器端点的 IP 地址为，10.3.149.220并且正在端口上运行。6817secretArn将在后面的步骤中使用来检索集群密钥。IP 地址和端口将在后续步骤中用于配置sackd服务。

步骤 2-启动实EC2例

启动 EC2 实例

打开 Amazon EC2 控制台。
在导航窗格中，请选择 Instances（实例），然后选择 Launch Instances（启动实例）以打开新的启动实例向导。
（可选）在名称和标签部分中，提供实例的名称，例如PCS-LoginNode。名称作为资源标签（Name=PCS-LoginNode）分配给实例。
在 “应用程序和操作系统映像” 部分，AMI为支持的操作系统选择一个 AWS PCS。有关更多信息，请参阅支持的操作系统。
在实例类型部分，选择支持的实例类型。有关更多信息，请参阅支持的实例类型。
在密钥对部分，选择要用于实例的SSH密钥对。
在 “网络设置” 部分：
1. 选择编辑。
  1. 选择您的VPC集 AWS PCS群的。
  2. 对于防火墙（安全组），请选择选择现有安全组。
    1. 选择一个允许在实例和目标 AWS PCS集群的 Slurm 控制器之间进行流量的安全组。有关更多信息，请参阅安全组要求和注意事项。
    2. （可选）选择允许对您的实例进行入站SSH访问的安全组。
在 “存储” 部分，根据需要配置存储卷。确保配置足够的空间来安装应用程序和库，以启用您的用例。
在 “高级” 下，选择允许访问集群密钥的IAM角色。有关更多信息，请参阅获取 Slurm 集群的秘密。
在 “摘要” 窗格中，选择 “启动实例”。

步骤 3-在实例上安装 Slurm

当实例启动并变为活动状态时，请使用您的首选机制连接到该实例。使用提供的 Slurm 安装程序将 Slurm 安装 AWS 到实例上。有关更多信息，请参阅 Slurm 安装程序。

下载 Slurm 安装程序，将其解压缩，然后使用installer.sh脚本安装 Slurm。有关更多信息，请参阅第 3 步 — 安装 Slurm。

步骤 4-检索和存储集群密钥

这些说明需要 AWS CLI. 有关更多信息，请参阅版本 2 AWS Command Line Interface 用户指南 AWS CLI中的安装或更新到最新版本的。

使用以下命令存储集群密钥。

为 Slurm 创建配置目录。
```
sudo mkdir -p /etc/slurm
```
检索、解码和存储集群密钥。在运行此命令之前，请替换 region-code 替换为目标集群正在运行的区域，然后替换 secret-arn 使用在步骤 1 中secretArn检索到的值。
```
sudo aws secretsmanager get-secret-value \
    --region region-code \
    --secret-id 'secret-arn' \
    --version-stage AWSCURRENT \
    --query 'SecretString' \
    --output text | base64 -d > /etc/slurm/slurm.key
```
警告
在多用户环境中，任何有权访问实例的用户如果能够访问实例元数据服务（IMDS），都可能能够获取集群密钥。反过来，这可能允许他们冒充其他用户。考虑将访问权限限制IMDS为 root 用户或管理用户。或者，可以考虑使用另一种不依赖实例配置文件来获取和配置密钥的机制。
设置 Slurm 密钥文件的所有权和权限。
```
sudo chmod 0600 /etc/slurm/slurm.key
sudo chown slurm:slurm /etc/slurm/slurm.key
```
注意
Slurm 密钥必须归运行sackd服务的用户和群组所有。

步骤 5-配置与 AWS PCS集群的连接

要建立与 AWS PCS集群的连接，请按照以下步骤sackd作为系统服务启动。

使用以下命令为sackd服务设置环境文件。在运行命令之前，请替换 ip-address 以及 port 使用步骤 1 中从端点检索到的值。
```
sudo echo "SACKD_OPTIONS='--conf-server=ip-address:port'" > /etc/sysconfig/sackd
```

创建用于管理sackd流程的systemd服务文件。


sudo cat << EOF > /etc/systemd/system/sackd.service
[Unit]
Description=Slurm auth and cred kiosk daemon
After=network-online.target remote-fs.target
Wants=network-online.target
ConditionPathExists=/etc/sysconfig/sackd

[Service]
Type=notify
EnvironmentFile=/etc/sysconfig/sackd
User=slurm
Group=slurm
RuntimeDirectory=slurm
RuntimeDirectoryMode=0755
ExecStart=/opt/aws/pcs/scheduler/slurm-23.11/sbin/sackd --systemd \$SACKD_OPTIONS
ExecReload=/bin/kill -HUP \$MAINPID
KillMode=process
LimitNOFILE=131072
LimitMEMLOCK=infinity
LimitSTACK=infinity

[Install]
WantedBy=multi-user.target
EOF

设置sackd服务文件的所有权。


sudo chown root:root /etc/systemd/system/sackd.service && \
    sudo chmod 0644 /etc/systemd/system/sackd.service

启用该sackd服务。


sudo systemctl daemon-reload && sudo systemctl enable sackd

启动 sackd 服务。
```
sudo systemctl start sackd
```

步骤 6-（可选）测试连接

确认sackd服务正在运行。示例输出如下。如果有错误，它们通常会出现在这里。


[root@ip-10-3-27-112 ~]# systemctl status sackd
[x] sackd.service - Slurm auth and cred kiosk daemon
   Loaded: loaded (/etc/systemd/system/sackd.service; enabled; vendor preset: disabled)
   Active: active (running) since Tue 2024-07-16 16:34:55 UTC; 8s ago
 Main PID: 9985 (sackd)
   CGroup: /system.slice/sackd.service
           └─9985 /opt/aws/pcs/scheduler/slurm-23.11/sbin/sackd --systemd --conf-server=10.3.149.220:6817

Jul 16 16:34:55 ip-10-3-27-112.ec2.internal systemd[1]: Starting Slurm auth and cred kiosk daemon...
Jul 16 16:34:55 ip-10-3-27-112.ec2.internal systemd[1]: Started Slurm auth and cred kiosk daemon.
Jul 16 16:34:55 ip-10-3-27-112.ec2.internal sackd[9985]: sackd: running

使用 Slurm 客户端命令（例如sinfo和）确认与集群的连接是否正常运行。squeue以下是来自的输出示例sinfo。


[root@ip-10-3-27-112 ~]# /opt/aws/pcs/scheduler/slurm-23.11/bin/sinfo
PARTITION AVAIL TIMELIMIT NODES STATE NODELIST
all up infinite 4 idle~ compute-[1-4]

您还应该能够提交工作。例如，类似于此示例的命令将在集群中的 1 个节点上启动交互式作业。


/opt/aws/pcs/scheduler/slurm-23.11/bin/srun --nodes=1 -p all --pty bash -i

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

使用计算节点组登录

联网