嘗試建立叢集 - AWS ParallelCluster
failureCode 是 OnNodeConfiguredExecutionFailurefailureCode 是 OnNodeConfiguredDownloadFailurefailureCode 是 OnNodeConfiguredFailurefailureCode 是 OnNodeStartExecutionFailurefailureCode 是 OnNodeStartDownloadFailurefailureCode 是 OnNodeStartFailurefailureCode 是 EbsMountFailurefailureCode 是 EfsMountFailurefailureCode 是 FsxMountFailurefailureCode 是 RaidMountFailurefailureCode 是 AmiVersionMismatchfailureCode 是 InvalidAmifailureCodeHeadNodeBootstrapFailure為 failureReason ，無法設定主機節點。failureCode 為 HeadNodeBootstrapFailure ，failureReason叢集建立逾時。failureCodeHeadNodeBootstrapFailure具有failureReason無法啟動主節點的 。failureCode 是 ResourceCreationFailurefailureCode 是 ClusterCreationFailure在 CloudFormation 堆疊WaitCondition timed out...中查看在 CloudFormation 堆疊Resource creation cancelled中查看在 AWS CloudFormation 堆疊中看到 Failed to run cfn-init...或其他錯誤看到chef-client.log結尾為 INFO: Waiting for static fleet capacity provisioning查看 Failed to run preinstall or postinstall in cfn-init.log在 CloudFormation 堆疊This AMI was created with xxx, but is trying to be used with xxx...中查看在 CloudFormation 堆疊This AMI was not baked by AWS ParallelCluster...中查看查看pcluster create-cluster命令無法在本機執行其他支援

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

嘗試建立叢集

使用 3.5.0 版及更新 AWS ParallelCluster 版本建立叢集時，如果叢集建立失敗，且 --rollback-on-failure 設定為 false，請使用 pcluster describe-clusterCLI命令取得狀態和失敗資訊。在此情況下，pcluster describe-cluster輸出clusterStatus的預期值為 CREATE_FAILED。檢查輸出中的 failures區段以尋找 failureCode和 failureReason。然後，在下一節中，尋找其他故障診斷說明failureCode的相符項目。如需詳細資訊，請參閱pcluster describe-cluster。

在下列各節中，我們建議您檢查 /var/log/cfn-init.log和 /var/log/chef-client.log 檔案等主機節點上的日誌。如需 AWS ParallelCluster 日誌以及如何檢視它們的詳細資訊，請參閱 用於偵錯的金鑰日誌和 擷取和保留記錄。

如果您沒有 failureCode，請導覽至 AWS CloudFormation 主控台以檢視叢集堆疊。檢查 Status Reason 或其他 資源上的 HeadNodeWaitCondition或 故障，以尋找其他故障詳細資訊。如需詳細資訊，請參閱檢視 上的 AWS CloudFormation 事件 CREATE_FAILED。檢查主機節點上的 /var/log/cfn-init.log和 /var/log/chef-client.log 檔案。

failureCode 是 OnNodeConfiguredExecutionFailure

  • 為什麼失敗？

    您在 組態OnNodeConfigured的主機節點區段的 中提供自訂指令碼，以建立叢集。不過，自訂指令碼無法執行。

  • 如何解決？

    檢查 /var/log/cfn-init.log 檔案以進一步了解故障，以及如何在自訂指令碼中修正問題。接近此日誌結尾時，您可能會在Running command runpostinstall訊息後看到與OnNodeConfigured指令碼相關的執行資訊。

failureCode 是 OnNodeConfiguredDownloadFailure

  • 為什麼失敗？

    您在 組態OnNodeConfigured的主機節點區段的 中提供自訂指令碼，以建立叢集。不過，自訂指令碼無法下載。

  • 如何解決？

    請確定 URL 有效，且存取權已正確設定。如需自訂引導指令碼組態的詳細資訊，請參閱 自訂引導動作。

    檢查 /var/log/cfn-init.log檔案。在此日誌結尾附近，您可能會在Running command runpostinstall訊息之後看到與OnNodeConfigured指令碼處理相關的執行資訊，包括下載。

failureCode 是 OnNodeConfiguredFailure

  • 為什麼失敗？

    您在 組態OnNodeConfigured的主機節點區段的 中提供自訂指令碼，以建立叢集。不過，在叢集部署中使用自訂指令碼失敗。無法判斷直接原因，需要額外調查。

  • 如何解決？

    檢查 /var/log/cfn-init.log檔案。接近此日誌結尾時，您可能會在Running command runpostinstall訊息後看到與OnNodeConfigured指令碼處理相關的執行資訊。

failureCode 是 OnNodeStartExecutionFailure

  • 為什麼失敗？

    您在 組態OnNodeStart的主機節點區段的 中提供自訂指令碼，以建立叢集。不過，自訂指令碼無法執行。

  • 如何解決？

    檢查 /var/log/cfn-init.log 檔案以進一步了解故障，以及如何在自訂指令碼中修正問題。接近此日誌結尾時，您可能會在Running command runpreinstall訊息後看到與OnNodeStart指令碼相關的執行資訊。

failureCode 是 OnNodeStartDownloadFailure

  • 為什麼失敗？

    您在 組態OnNodeStart的主機節點區段的 中提供自訂指令碼，以建立叢集。不過，自訂指令碼無法下載。

  • 如何解決？

    請確定 URL 有效，且存取權已正確設定。如需自訂引導指令碼組態的詳細資訊，請參閱 自訂引導動作。

    檢查 /var/log/cfn-init.log檔案。在此日誌結尾附近，您可能會在Running command runpreinstall訊息之後看到與OnNodeStart指令碼處理相關的執行資訊，包括下載。

failureCode 是 OnNodeStartFailure

  • 為什麼失敗？

    您在 組態中主機節點區段OnNodeStart的 中提供自訂指令碼，以建立叢集。不過，在叢集部署中使用自訂指令碼失敗。無法判斷直接原因，需要額外調查。

  • 如何解決？

    檢查 /var/log/cfn-init.log檔案。接近此日誌結尾時，您可能會在Running command runpreinstall訊息後看到與OnNodeStart指令碼處理相關的執行資訊。

failureCode 是 EbsMountFailure

  • 為什麼失敗？

    叢集組態中定義的EBS磁碟區無法掛載。

  • 如何解決？

    檢查 /var/log/chef-client.log 檔案以取得失敗詳細資訊。

failureCode 是 EfsMountFailure

  • 為什麼失敗？

    叢集組態中定義的 Amazon EFS磁碟區無法掛載。

  • 如何解決？

    如果您定義了現有的 Amazon EFS 檔案系統，請確定叢集和檔案系統之間允許流量。如需詳細資訊，請參閱 SharedStorage / EfsSettings / FileSystemId。

    檢查 /var/log/chef-client.log 檔案以取得失敗詳細資訊。

failureCode 是 FsxMountFailure

  • 為什麼失敗？

    叢集組態中定義的 Amazon FSx 檔案系統無法掛載。

  • 如何解決？

    如果您定義了現有的 Amazon FSx 檔案系統，請確定叢集和檔案系統之間允許流量。如需詳細資訊，請參閱 SharedStorage / FsxLustreSettings / FileSystemId。

    檢查 /var/log/chef-client.log 檔案以取得失敗詳細資訊。

failureCode 是 RaidMountFailure

  • 為什麼失敗？

    叢集組態中定義的RAID磁碟區無法掛載。

  • 如何解決？

    檢查 /var/log/chef-client.log 檔案以取得失敗詳細資訊。

failureCode 是 AmiVersionMismatch

  • 為什麼失敗？

    用於建立自訂的 AWS ParallelCluster 版本與用於設定叢集的 AWS ParallelCluster 版本AMI不同。在 CloudFormation 主控台中，檢視叢集 CloudFormation 堆疊詳細資訊，並檢查 Status Reason 以取得 AWS ParallelCluster 版本和 HeadNodeWaitCondition的其他詳細資訊AMI。如需詳細資訊，請參閱檢視 上的 AWS CloudFormation 事件 CREATE_FAILED。

  • 如何解決？

    確定用於建立自訂的 AWS ParallelCluster 版本AMI與用於設定叢集的 AWS ParallelCluster 版本相同。您可以變更自訂AMI版本或pclusterCLI版本，使它們相同。

failureCode 是 InvalidAmi

  • 為什麼失敗？

    自訂AMI無效，因為它不是使用 建置的 AWS ParallelCluster。

  • 如何解決？

    使用 pcluster build-image命令建立 AMI，方法是製作AMI父系映像。如需詳細資訊，請參閱pcluster build-image。

failureCodeHeadNodeBootstrapFailure為 failureReason ，無法設定主機節點。

  • 為什麼失敗？

    無法判斷直接原因，需要額外調查。例如，叢集可能處於受保護狀態，這可能是由於無法佈建靜態運算機群所致。

  • 如何解決？

    檢查 /var/log/chef-client.log. 檔案以取得失敗詳細資訊。

    注意

    如果您看到RuntimeError例外狀況 Cluster state has been set to PROTECTED mode due to failures detected in static node provisioning，則叢集處於受保護狀態。如需詳細資訊，請參閱如何調試受保護模式。

failureCode 為 HeadNodeBootstrapFailure ，failureReason叢集建立逾時。

  • 為什麼失敗？

    根據預設，叢集建立有 30 分鐘的時間限制來完成。如果叢集建立未在此時間範圍內完成，則叢集建立會失敗，並出現逾時錯誤。叢集建立可能因不同原因而逾時。例如，逾時失敗可能是由於主機節點建立失敗、網路問題、在主機節點中執行時間過長的自訂指令碼、在運算節點中執行的自訂指令碼中的錯誤，或運算節點佈建的等待時間過長所造成。無法判斷直接原因，需要額外調查。

  • 如何解決？

    檢查 /var/log/cfn-init.log和 /var/log/chef-client.log 檔案以取得失敗詳細資訊。如需日誌以及如何取得日誌的詳細資訊 AWS ParallelCluster ，請參閱 用於偵錯的金鑰日誌和 擷取和保留記錄。

    您可能會在這些日誌中發現以下內容。

    • 接近 Waiting for static fleet capacity provisioning 結尾看到 chef-client.log

      這表示等待靜態節點啟動時，叢集建立逾時。如需詳細資訊，請參閱看到運算節點初始化中的錯誤。

    • 在 結尾看到 OnNodeConfigured或 OnNodeStart 標頭節點指令碼尚未完成 cfn-init.log

      這表示 OnNodeConfigured或 OnNodeStart 自訂指令碼需要很長時間才能執行，並導致逾時錯誤。檢查您的自訂指令碼是否有可能導致其長時間執行的問題。如果您的自訂指令碼需要很長的時間才能執行，請考慮將DevSettings區段新增至叢集組態檔案來變更逾時限制，如下列範例所示：

      DevSettings:
  Timeouts:
    HeadNodeBootstrapTimeout: 1800 # default setting: 1800 seconds

    • 找不到日誌，或無法成功建立主節點

      頭部節點可能無法成功建立，也找不到日誌。在 CloudFormation 主控台中，檢視叢集堆疊詳細資訊，以檢查其他失敗詳細資訊。

failureCodeHeadNodeBootstrapFailure具有failureReason無法啟動主節點的 。

  • 為什麼失敗？

    無法判斷直接原因，需要額外調查。

  • 如何解決？

    檢查 /var/log/cfn-init.log和 /var/log/chef-client.log 檔案。

failureCode 是 ResourceCreationFailure

  • 為什麼失敗？

    在叢集建立過程中，某些資源的建立失敗。故障可能因為各種原因而發生。例如，資源建立失敗可能是由容量問題或設定錯誤的IAM政策所造成。

  • 如何解決？

    在 CloudFormation 主控台中，檢視叢集堆疊，以檢查其他資源建立失敗詳細資訊。

failureCode 是 ClusterCreationFailure

  • 為什麼失敗？

    無法判斷直接原因，需要額外調查。

  • 如何解決？

    在 CloudFormation 主控台中，檢視叢集堆疊，並檢查 Status Reason 以取得HeadNodeWaitCondition其他失敗詳細資訊。

    檢查 /var/log/cfn-init.log和 /var/log/chef-client.log 檔案。

在 CloudFormation 堆疊WaitCondition timed out...中查看

如需詳細資訊，請參閱failureCode 為 HeadNodeBootstrapFailure ，failureReason叢集建立逾時。。

在 CloudFormation 堆疊Resource creation cancelled中查看

如需詳細資訊，請參閱failureCode 是 ResourceCreationFailure。

在 AWS CloudFormation 堆疊中看到 Failed to run cfn-init...或其他錯誤

如需其他失敗詳細資訊，/var/log/chef-client.log請參閱 /var/log/cfn-init.log和 。

看到chef-client.log結尾為 INFO: Waiting for static fleet capacity provisioning

這與等待靜態節點開機時的叢集建立逾時有關。如需詳細資訊，請參閱看到運算節點初始化中的錯誤。

查看 Failed to run preinstall or postinstall in cfn-init.log

您在叢集組態HeadNode區段中有 OnNodeConfigured或 OnNodeStart指令碼。指令碼無法正常運作。檢查 /var/log/cfn-init.log 檔案以取得自訂指令碼錯誤詳細資訊。

在 CloudFormation 堆疊This AMI was created with xxx, but is trying to be used with xxx...中查看

如需詳細資訊，請參閱failureCode 是 AmiVersionMismatch。

在 CloudFormation 堆疊This AMI was not baked by AWS ParallelCluster...中查看

如需詳細資訊，請參閱failureCode 是 InvalidAmi。

查看pcluster create-cluster命令無法在本機執行

如需失敗詳細資訊~/.parallelcluster/pcluster-cli.log，請參閱本機檔案系統中的 。

其他支援

請遵循 中的疑難排解指引叢集部署問題的疑難排解。

檢查 上的GitHub 已知問題是否涵蓋您的案例 AWS ParallelCluster GitHub。