小编lux*_*fer的帖子

在搜索了这个并且只找到了不能正确解释“缓存”数字的人的帖子后，我决定问这个问题。

我手头有一些服务器，它们的行为很奇怪。也就是说，他们的 RAM 使用率非常高，原因不明。似乎一个不可见的进程有很多“使用过的”RAM（我的意思是“使用过的”）。

这是一些信息：

• 所有服务器都运行 SLES 11
• 内核是 3.0.76
• 所有服务器都在 VMWare ESX 基础架构下作为来宾运行
• 我没有设置服务器，对操作系统的选择没有发言权，也没有访问虚拟化基础设施的权限
• 所有服务器的设置都相似，并且它们确实运行相同的软件集（它是一个集群，是的，我知道，虚拟化集群，yada yada，正如所说：我对此没有发言权）

还有一些shell输出：

root@good-server:# free -m
             total       used       free     shared    buffers     cached
Mem:         15953      14780       1173          0        737       8982
-/+ buffers/cache:       5059      10894
Swap:        31731          0      31731

root@good-server:# python ps_mem.py
[... all processes neatly listed ...]
---------------------------------
                          4.7 GiB
=================================

root@bad-server:# free -m
             total       used       free     shared    buffers     cached
Mem:         15953      15830        123          0        124       1335
-/+ buffers/cache:      14370       1583
Swap:        31731         15      31716

root@bad-server:# …

我目前面临将 GPU 服务器集成到现有 SGE 环境中的问题。使用谷歌我找到了一些集群的例子，其中已经设置了这个，但没有关于如何完成的信息。

是否有某种形式的方法或教程？它不必非常冗长，但它应该包含足够的信息来启动和运行“cuda 队列”......

提前致谢...

编辑：要设置一个负载传感器，了解一个节点中有多少 GPU 是空闲的，我已经完成了以下操作：

• 将 GPU 的计算模式设置为独占
• 将 GPU 设置为持久模式
• 将以下脚本作为负载传感器添加到集群配置中（并将其设置为 1 秒。）

#!/bin/sh

主机名=`uname -n`

而 [1]; 做
  读取输入
  结果=$？
  如果 [ $result != 0 ]; 然后
    出口 1
  菲
  if [ "$input" == "quit" ]; 然后
    退出 0
  菲


  smitool=`which nvidia-smi`
  结果=$？
  如果 [ $result != 0 ]; 然后
    gpusav=0
    gpu=0
  别的
    gpustotal=`nvidia-smi -L|wc -l`
    gpusused=`nvidia-smi |grep "进程名称" -A 6|grep -v +-|grep -v \|=|grep -v 用法|grep -v "没有运行"|wc -l`
    gpusavail=`echo $gpustotal-$gpusused|bc` …