解决 SLURM “sbatch：错误：批处理作业提交失败：请求的节点配置不可用”错误

Posted 2023-02-24

【中文标题】解决 SLURM “sbatch：错误：批处理作业提交失败：请求的节点配置不可用”错误

【英文标题】：Solving SLURM "sbatch: error: Batch job submission failed: Requested node configuration is not available" error

【发布时间】：2019-03-21 23:13:59

【问题描述】：

我们的本地集群有 4 个 GPU 节点、2 个 36 核 CPU 和 200 GB RAM。当我尝试使用以下配置提交作业时：

#SBATCH --nodes=1
#SBATCH --ntasks=40
#SBATCH --cpus-per-task=1
#SBATCH --mem-per-cpu=1500MB
#SBATCH --gres=gpu:4
#SBATCH --time=0-10:00:00

我收到以下错误：

sbatch：错误：批处理作业提交失败：请求的节点配置不可用

此错误的原因可能是什么？节点具有我需要的那种硬件...

【参考方案1】：

CPU 很可能是 36 线程而不是 36 核，并且 Slurm 可能配置为分配内核而不是线程。

检查scontrol show nodes 的输出，看看节点真正提供了什么。

【讨论】：

谢谢！我发现了问题。我的输出是：NodeName=node-16 Arch=x86_64 CoresPerSocket=18, ..., CPUTot=72

【参考方案2】：

您在具有 36 个 CPU 的节点上请求 40 个任务。默认 SLURM 配置将任务绑定到核心，因此将任务减少到 36 个或更少可能会起作用。 （或者将节点增加到 2，如果您的应用程序可以处理）