最佳实践 - Amazon ParallelCluster
最佳实践：头节点实例类型选择最佳实践：网络性能最佳实践：预算提醒最佳实践：将集群移至新的 Amazon ParallelCluster 次要版本或补丁版本
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

最佳实践

以下各节提供了最佳使用实践 Amazon ParallelCluster，其中包括网络性能和预算提醒。如果您在遵循这些最佳做法后仍遇到问题，Amazon ParallelCluster 故障排除请参见以了解可能的解决方案。

最佳实践：头节点实例类型选择

尽管头节点不运行作业，但其功能和大小对集群的整体性能至关重要。在选择用于头节点的实例类型时，请考虑以下特征：

集群大小：头节点编排集群的扩展逻辑，并负责将新节点附加到调度器。要纵向扩展和缩减具有大量节点的集群，请为头节点提供一些额外的计算容量。

共享文件系统：当您使用共享文件系统时，请选择具有足够网络带宽和足够的 Amazon EBS 带宽的实例类型来处理您的工作流程。确保头节点既能够为集群公开足够的 NFS 服务器目录，又能够处理需要在计算节点和头节点之间共享的构件。

最佳实践：网络性能

网络性能对于高性能计算 (HPC) 应用程序至关重要。如果没有可靠的网络性能，这些应用程序就无法正常运行。为了优化网络性能，请考虑以下最佳实践。

  • 置放群组：如果您使用的是 Slurm，请考虑将每个 Slurm 队列配置为使用集群置放群组。集群置放群组 是单个可用区中的实例的逻辑分组。有关更多信息，请参阅 Amazon EC2 用户指南中的置放群组。您可以在队列的 Networking 部分指定 PlacementGroup，每个计算资源都将分配给队列的置放群组。在计算资源的 Networking 部分指定 PlacementGroup 时，该特定计算资源将分配给该置放群组。计算资源置放群组规范优先于计算资源的队列规范。有关更多信息，请参阅 SlurmQueues/Networking/PlacementGroup 和 SlurmQueues/ComputeResources/Networking/PlacementGroup。

    Networking:
  PlacementGroup:
    Enabled: true
    Id: your-placement-group-name

    或者， Amazon ParallelCluster 请为您创建一个置放群组。

    Networking:
  PlacementGroup:
    Enabled: true

    从 3.3.0 Amazon ParallelCluster 版开始，对置放群组的创建和管理进行了修改。在指定要启用的置放群组时，如果没有指定 name 或 Id，则在队列中，会为每个计算资源分配自己的托管置放群组，而不是为整个队列分配一个托管群组。这有助于减少容量不足错误。如果您需要为整个队列设置一个置放群组，则可以使用命名置放群组。

    添加了 SlurmQueues/Networking/PlacementGroup/Name 作为 SlurmQueues/Networking/PlacementGroup/Id 的首选替代方案。

    有关更多信息，请参阅 Networking。

  • 增强联网：考虑选择支持增强联网的实例类型。此建议适用于所有当前一代实例。有关更多信息，请参阅《Amazon EC2 用户指南》中的 Linux 增强联网功能。

  • Elastic Fabric Adapter：要支持高水平可扩展实例间通信，请考虑为网络选择 EFA 网络接口。EFA 量身定制的操作系统 (OS) 旁路硬件可利用 Amazon Web Services 云的按需弹性和灵活性增强实例间通信。您可以配置每个 Slurm 队列 ComputeResource 以使用 Efa。有关将 EFA 与配合使用的更多信息 Amazon ParallelCluster，请参阅Elastic Fabric Adapter。

    ComputeResources:
  - Name: your-compute-resource-name
    Efa:
      Enabled: true

    有关 EFA 的更多信息，请参阅 Amazon Linux 实例 EC2 用户指南中的弹性结构适配器。

  • 实例带宽：带宽随实例大小而扩展。有关不同实例类型的信息，请参阅《亚马逊用户指南》中的 Amazon EBS 优化实例和 Amazon EBS 卷类型。 EC2

最佳实践：预算提醒

要管理中的资源成本 Amazon ParallelCluster，我们建议您使用 Amazon Budgets 操作来创建预算。您还可以为选定 Amazon 资源创建已定义的预算阈值提醒。有关更多信息，请参阅 Amazon Budgets 用户指南 中的配置预算操作。同样，您也可以使用 Amazon CloudWatch 创建账单警报。有关更多信息，请参阅创建账单警报以监控 Amazon 预估费用。

最佳实践：将集群移至新的 Amazon ParallelCluster 次要版本或补丁版本

当前，每个 Amazon ParallelCluster 次要版本及其 pcluster CLI都是独立的。要将集群迁移至新的次要版本或修补版本，必须使用新版本的 CLI 重新创建集群。

为了优化将集群迁移到新的次要版本或修补版本的过程，我们建议执行下列操作：

  • 将个人数据保存在集群外部创建的外部卷中，例如 Amazon EFS 和 FSx For Lustre。这样，您以后便可以轻松地将数据从一个集群迁移到另一个集群。

  • 使用以下类型创建共享存储系统。您可以使用 Amazon CLI 或创建这些系统 Amazon Web Services Management Console。

    在集群配置中将某个文件系统或卷定义为现有文件系统或卷。这样，当您删除集群时，这些文件系统或卷会被保留下来，并且可以附加到新集群。

    我们建议您使用 Amazon EFS 或 FSx Lustre 文件系统。这两个系统可以同时附加到多个集群。此外，您可以在删除现有集群之前将其中任何一个系统附加到新集群。

  • 使用自定义引导操作来自定义您的实例，而不是使用自定义 AMI。如果您改为使用自定义 AMI，则需要对每次新版本发布删除并重新创建该 AMI。

  • 我们建议您按以下顺序应用上述建议：

    1. 更新现有集群配置以使用现有文件系统定义。

    2. 验证 pcluster 版本并在需要时进行更新。

    3. 创建并测试新集群。在测试新集群时，请检查以下内容：

      • 确保您的数据在新集群中可用。

      • 确保您的应用程序可以在新集群中正常运行。

    4. 在新集群经过全面测试并可正常运行，并且您不再需要现有集群后，将现有集群删除。