标签: torque

从我记事起，我们就一直在使用 cron 来处理我们所有的作业调度需求。从存储克隆/快照到数据库报告、日常系统报告再到监控检查，所有内容都通过 cron 安排在数百台服务器上。

缺点非常明显：难以管理作业，没有简单的方法来创建依赖项（尤其是跨不同服务器），当然，不可避免地有人“暂时”跳过作业但后来忘记删除注释。

我们尝试了一个商业产品，但最终它被认为是从 cron 升级的太贵了。

我看到了其他选项，例如 SLURM、Oracle Grid Engine、Torque/Maui、Quartz、DIET、Condor，它们似乎面向更大、更同质的集群环境，其作业可以在任意数量的类似节点上运行：网格计算之类的。我们的环境相当混合（各种 Linux、AIX 和 FreeBSD），我们需要在不同类型的系统之间创建依赖关系（例如，Linux 机器上的作业可能需要确定 AIX 机器上的作业是否应该运行。）

有没有人有从 cron 迁移到更集中管理的产品的经验？有什么选择软件的技巧，还是开源或商业化更好？

我在集群环境中的 openSUSE 12.1 上使用扭矩 4.0.1。当我 qsub 一项工作（简单为“echo hello”）时，它保持在“Q”状态，并且永远不会被安排。我可以强制使用 qrun 运行作业，并且它在第一个节点上执行而没有错误。

过去几天我试图找到解决方案，但失败了。我看了手册，日志，甚至源代码，但仍然无法定位问题。当然，我用谷歌搜索了很多，尝试了各种解决方案，但没有一个奏效。

以下是一些可能有用的信息：

• pbs_sched 正在运行，但它的日志似乎表明它没有收到有关正在排队的作业的通知。

    05/13/2012 18:55:08;0002; pbs_sched;Svr;Log;Log opened
    05/13/2012 18:55:08;0002; pbs_sched;Svr;TokenAct;Account file /var/spool/torque/sched_priv/accounting/20120513 opened
    05/13/2012 18:55:08;0002; pbs_sched;Svr;main;pbs_sched startup pid 32604

• pbs_server 日志仅显示作业已排队进入默认队列批处理：

    05/13/2012 19:33:08;0002;PBS_Server;Svr;PBS_Server;Torque Server Version = 4.0.1, loglevel = 0
    05/13/2012 19:33:56;0100;PBS_Server;Job;16.head;enqueuing into batch, state 1 hop 1
    05/13/2012 19:33:56;0008;PBS_Server;Job;16.head;Job Queued at request of pubuser@head, owner = pubuser@head, job name = STDIN, queue = batch

• qstat -f 16 显示没有任何用处

    Job Id: 16.head
    Job_Name = STDIN
    Job_Owner = pubuser@head
    job_state …