lur浆工作期间如何监控资源？

Question

我正在使用SLURM调度系统的大学集群（常规用户，无管理员权限）上运行作业，并且我有兴趣绘制随时间推移（即作业运行时）的CPU和内存使用情况。我知道sacct和 sstat我的想法，包括在我的提交脚本这些命令，如东西线

#!/bin/bash
#SBATCH <options>

# Running the actual job in background
srun my_program input.in output.out &

# While loop that records resources
JobStatus="$(sacct -j $SLURM_JOB_ID | awk 'FNR == 3 {print $6}')"
FIRST=0
#sleep time in seconds
STIME=15
while [ "$JobStatus" != "COMPLETED" ]; do
    #update job status
    JobStatus="$(sacct -j $SLURM_JOB_ID | awk 'FNR == 3 {print $6}')"
    if [ "$JobStatus" == "RUNNING" ]; then
        if [ $FIRST -eq 0 ]; then
            sstat --format=AveCPU,AveRSS,MaxRSS -P -j ${SLURM_JOB_ID} >> usage.txt
            FIRST=1
        else
            sstat --format=AveCPU,AveRSS,MaxRSS -P --noheader -j ${SLURM_JOB_ID} >> usage.txt
        fi
        sleep $STIME
    elif [ "$JobStatus" == "PENDING" ]; then
        sleep $STIME
    else
        sacct -j ${SLURM_JOB_ID} --format=AllocCPUS,ReqMem,MaxRSS,AveRSS,AveDiskRead,AveDiskWrite,ReqCPUS,AllocCPUs,NTasks,Elapsed,State >> usage.txt
        JobStatus="COMPLETED"
        break
    fi
done

但是，我不太相信这种解决方案：

• sstat 不幸的是没有显示当前使用了多少cpus（仅平均）

• 如果我尝试记录一段时间内的内存使用情况，MaxRSS也无济于事

• 似乎仍然有一些错误（作业完成后脚本不会停止）

有谁知道如何正确地做到这一点？甚至有top或htop代替sstat？任何帮助深表感谢。

Answer 1

Slurm 提供了一个插件，用于将作业的配置文件（PCU 使用情况、内存使用情况，甚至某些技术的磁盘/网络 IO）记录到 HDF5 文件中。该文件包含跟踪的每个度量的时间序列，您可以选择时间分辨率。

您可以使用以下命令激活它

#SBATCH --profile=<all|none|[energy[,|task[,|filesystem[,|network]]]]>

请参阅此处的文档。

要检查该插件是否已安装，请运行

scontrol show config | grep AcctGatherProfileType

它应该输出AcctGatherProfileType = acct_gather_profile/hdf5.

ProfileHDF5Dir这些文件是在Slurm 配置参数（在slurm.conf）中引用的文件夹中创建的

至于您的脚本，您可以尝试替换sstat为与计算节点的 SSH 连接以运行ps。假设安装了pdsh或clush，您可以运行如下命令：

pdsh -j $SLURM_JOB_ID ps -u $USER -o pid,state,cputime,%cpu,rssize,command --columns 100 >> usage.txt

这将为您提供每个进程的 CPU 和内存使用情况。

最后一点，您的作业永远不会终止，因为它会在while循环终止时终止，而while循环也会在作业终止时终止..."$JobStatus" == "COMPLETED" 从脚本中永远不会观察到该条件。作业完成后，脚本将被终止。