问题标签 [sungridengine]

我们有一个机器集群，每台机器有 4 个 GPU。每个工作应该能够要求 1-4 个 GPU。这里有一个问题：我希望 SGE 告诉每个工作它应该使用哪个GPU。与 CPU 不同，如果一次只有一个进程访问 GPU，GPU 的工作效果最好。所以我想：

我遇到的问题是，SGE 将让我在每个节点上创建一个具有 4 个单元的 GPU 资源，但它不会明确告诉作业使用哪个 GPU（只有它获得 1 或 3，或任何）。

gpu0, gpu1, gpu2, gpu3我-l想创建 4 个资源（有任何想法吗？

我有一个 Perl 脚本，它向 SGE 提交了一堆数组作业。我希望所有作业并行运行以节省时间，并且脚本等待它们全部完成，然后继续下一个处理步骤，该步骤集成来自所有 SGE 输出文件的信息并生成最终输出。

为了将所有作业发送到后台然后等待，我使用 Parallel::ForkManager 和一个循环：

然而，为了让“等待”部分工作，我不得不在 qsub 选项中添加“-sync yes”。但作为一个“副作用”，SGE 会为每个数组作业中的每个任务打印退出代码，并且由于有许多作业并且单个任务很轻，因此由于所有这些中断消息，它基本上使我的 shell 无法使用，而qsub 作业正在运行。

我怎样才能摆脱这些消息？如果有的话，我有兴趣检查 qsub 的作业退出代码（这样我可以在下一步之前检查一切是否正常），但不是每个任务的一个退出代码（无论如何我通过选项 -e 记录任务的错误以防我需要它）。

我可以访问一个集群来运行繁重的东西和计算（我只是一个用户，而不是 root）

我有一个名为 rnnlib 的程序，它已编译并正在运行。这使用了我安装在文件夹 (/udd/$USER/local) 中的外部库。

现在，当我尝试向 SGE 提交工作时，我得到的是：

/udd/$USER/test_rnn_lib/ag_rnnlib/bin/rnnlib：加载共享库时出错：libhdf5_hl.so.7：无法打开共享对象文件：没有这样的文件或目录

/udd/$USER/test_rnn_lib/ag_rnnlib/bin/rnnlib：加载共享库时出错：libhdf5.so.7：无法打开共享对象文件：没有这样的文件或目录

我已将 rnnlib 使用的所有库（与 ldd 一起列出）复制到 floder (/udd/$USER/local/libs_for_SGE/)

然后我提交了工作，这是我得到的：

/udd/$USER/test_rnn_lib/ag_rnnlib/bin/rnnlib：重定位错误：/udd/$USER/test_rnn_lib/local/libs_for_sge/libc.so.6：符号_dl_starting_up，版本GLIBC_PRIVATE未在文件ld-linux-x86-中定义64.so.2 与链接时间参考

我试图在 SGE 上加载 libc.so.6，但我得到了这个：

/udd/$USER/test_rnn_lib/ag_rnnlib/bin/rnnlib：/usr/lib64/libstdc++.so.6：未找到版本“GLIBCXX_3.4.15”（/udd/$USER/test_rnn_lib/ag_rnnlib/bin/rnnlib 需要）

我想问一下我通过 Python 使用的 drmaa API 中的“等待”功能。它是否会执行常量 qstat（如果我们在 SGE 上运行它）来检查程序是否已完成执行。

我们的管理员希望我们避免任何恒定的 qstat，因为它会由于调度程序的额外负载而降低性能。

一般来说，wat 将是一种通过 DRMAA 检查作业状态的有效方法，而不会过度使用调度程序。

谢谢！-阿比

1. 在 SGE 中提交作业时如何请求节点数（不是 procs）？

   例如在 TORQUE 中，我们可以指定qsub -l nodes=3

2. 如何在 SGE 中通过节点名称请求节点？

   例如，在 TORQUE 中，我们可以通过、qsub -l nodes=abc+xyz+pqrwhere和are 主机名来做到这一点abcxyzpqr

   对于单个主机名，qsub -l hostname=abc它可以工作。但是如何在 SGE 中分隔多个主机名？

我编写了一个多线程 java 代码，它在运行时创建 8 个线程，并且在这些线程上继续计算。我想将此作业提交到 SGE 集群，但我不确定pe应该选择哪个并行环境 ( )？还是我应该创建一个？我是 SGE 的新手。简单的方法是以串行模式运行它，但这效率低下。

关于创建一个pe，它需要在哪里创建？SGE 守护进程是否也需要这个pe？当我提交一个随机名称为的工作时pe，我得到了

我尝试qsub -N "compile-$*"在 Makefile 中使用它并给出以下错误，因为在这种情况下 $* 等于“compile-obj/linux/flow”。

我正在使用的整个命令是：-

知道如何在运行 qsub 时在命名中包含斜杠吗？

谢谢

我正在使用 GE2011.11。以前，我使用的是 Torque/Maui。在毛伊岛，有一个分区的概念，借助它我们可以在逻辑上划分集群。一个节点不能属于多个分区。

在 GE 中，我正在考虑使用主机组来实现这一点，但是一个节点（主机）可以属于多个主机组，这是不可取的。任何想法，我们如何实现与主机组的分区？

在 GE 中，有一个特性叫做多集群。我们可以使用这个特性来实现分区吗？任何想法，我们如何使用它？

从SGE节点的系统管理来看，是否可以强制用户通过qsub运行长时间运行的程序，而不是单机运行？

问题是同一台机器充当控制节点和计算节点。因此，我无法将长时间运行的程序与使用“gcc”编译的用户区分开来。理想情况下，我想强制用户通过 qsub 提交长时间运行的作业（即超过一个小时）。我什至不介意有点刻薄并杀死运行时间超过一个小时但没有通过 qsub 提交的作业。

到目前为止，我所能做的就是发送电子邮件要求用户“请使用 qsub！”...

我查看了 SGE 配置，但似乎没有任何相关性。但也许我只是错过了一些东西......任何帮助将不胜感激！谢谢！

如果我尝试在 1 个 SGE 插槽中运行多线程作业会怎样？启动多个线程会失败吗？或者它是否仍会启动这些多个线程并可能使 SGE 集群节点超载，因为它将运行的线程数多于插槽数？

我知道我应该使用 -pe 线程 nrThreads 参数。但是我正在运行一个程序，我不确定它在每个步骤中使用了多少线程。