Amazon ParallelCluster 进程 - Amazon ParallelCluster
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。

Amazon ParallelCluster 进程

本节适用于使用部署的集群 Slurm。 与该调度器一起使用时,通过与底层作业调度器交互来 Amazon ParallelCluster 管理计算节点的配置和移除。

对于基于的 HPC 集群 Amazon Batch, Amazon ParallelCluster 依赖于提供的 Amazon Batch 计算节点管理功能。

clustermgtd

以下任务由集群管理进程守护程序执行。

  • 非活动分区清理

  • 的管理 Slurm 与容量块关联的预留和节点(参见以下部分)

  • 静态容量管理:确保静态容量始终处于正常运行状态

  • 将计划程序与 Amazon EC2 同步。

  • 孤立实例清理

  • 在暂停工作流程之外发生的 Amazon EC2 终止时恢复计划程序节点状态

  • Amazon EC2 实例管理不正常(亚马逊运行 EC2 状况检查失败)

  • 定期维护事件管理

  • 不正常调度器节点管理(调度器运行状况检查失败)

的管理 Slurm 与容量块关联的预留和节点

ParallelCluster 支持按需容量预留 (ODCR) 和 Machine Learning 容量块 (CB)。与 ODCR 不同,CB 可以有未来的开始时间,并且有时间限制。

Clustermgtd 在循环中搜索运行状况不佳的节点,并终止所有已关闭的 Amazon EC2 实例,如果它们是静态节点,则将其替换为新实例。

ParallelCluster 以不同的方式管理与容量块关联的静态节点。 Amazon ParallelCluster 即使 CB 尚未激活,也会创建集群,并且一旦 CB 处于活动状态,实例就会自动启动。

这些区域有:Slurm 与 CBs 尚未处于活动状态的计算资源对应的节点将一直处于维护状态,直到到达 CB 启动时间。Slurm 节点将保持与之相关的预留/维护状态 Slurm 管理员用户,这意味着他们可以接受作业,但任务将一直处于待处理状态,直到 Slurm 已取消预订。

clustermgtd 将自动创建/删除 Slurm 保留,根据 CB 状态将相关的 CB 节点置于维护状态。当 CB 处于活动状态时,Slurm 预留将被移除,节点将启动并可用于待处理的任务或提交的新作业。

当到达 CB 结束时间时,当 CB 不再处于活动状态并且实例终止时,节点将移回 reservation/maintenance state. It's up to users to resubmit/requeue the jobs to a new queue/compute-resource。

clusterstatusmgtd

集群状态管理进程守护程序管理计算实例集状态更新。它每分钟获取一次存储在 DynamoDB 表中的实例集状态并管理所有停止/启动请求。

computemgtd

计算管理进程守护程序 (computemgtd) 进程在每个集群计算节点上运行。每隔五 (5) 分钟,计算管理进程守护程序就会确认头节点可以访问并且运行正常。如果在五 (5) 分钟内无法访问头节点或头节点运行状况不佳,则将关闭计算节点。