Question

我有一个产生数字的函数（神经网络模型）。我希望在带有Torque的标准集群上使用PBS测试python中的几个参数，方法和不同输入（意味着数百次运行）。

注意：我尝试过parallelpython，ipython等，并且从未完全满意，因为我想要更简单的东西。集群处于给定的配置中，我无法改变，这样集成python + qsub的解决方案肯定会对社区有益。

为简化起见，我有一个简单的功能，例如：

import myModule
def model(input, a= 1., N=100):
    do_lots_number_crunching(input, a,N)
    pylab.savefig('figure_' + input.name + '_' + str(a) + '_' + str(N) + '.png')

其中input是表示输入的对象，input.name是字符串，do_lots_number_crunching可能持续数小时。

我的问题是：是否有正确的方法来转换像

这样的参数扫描之类的东西

for a in pylab.linspace(0., 1., 100):
    model(input, a)

进入“某事”，为每次调用model函数启动PBS脚本？

#PBS -l ncpus=1
#PBS -l mem=i1000mb
#PBS -l cput=24:00:00
#PBS -V
cd /data/work/
python experiment_model.py

我在考虑一个包含PBS模板的函数，并从python脚本中调用它，但还不能解决它（装饰器？）。

Answer 1

pbs_python [1]可以为此工作。如果您可以将experiment_model.py'a'作为参数

import pbs, os

server_name = pbs.pbs_default()
c = pbs.pbs_connect(server_name)

attopl = pbs.new_attropl(4)
attropl[0].name  = pbs.ATTR_l
attropl[0].resource = 'ncpus'
attropl[0].value = '1'

attropl[1].name  = pbs.ATTR_l
attropl[1].resource = 'mem'
attropl[1].value = 'i1000mb'

attropl[2].name  = pbs.ATTR_l
attropl[2].resource = 'cput'
attropl[2].value = '24:00:00'

attrop1[3].name = pbs.ATTR_V

script='''
cd /data/work/
python experiment_model.py %f
'''

jobs = []

for a in pylab.linspace(0.,1.,100):
    script_name = 'experiment_model.job' + str(a)
    with open(script_name,'w') as scriptf:
        scriptf.write(script % a)
    job_id = pbs.pbs_submit(c, attropl, script_name, 'NULL', 'NULL')
    jobs.append(job_id)
    os.remove(script_name)

 print jobs

[1]：https://oss.trac.surfsara.nl/pbs_python/wiki/TorqueUsage pbs_python

Answer 2

您可以使用jug（我为类似的设置开发）轻松完成此操作。

您要写入文件（例如model.py）：

@TaskGenerator
def model(param1, param2):
     res = complex_computation(param1, param2)
     pyplot.coolgraph(res)


for param1 in np.linspace(0, 1.,100):
    for param2 in xrange(2000):
        model(param1, param2)

就是这样！

现在您可以在队列中启动“jug jobs”jug execute model.py，这将自动并行化。会发生的是，每个作业都会循环，执行以下操作：

while not all_done():
    for t in tasks in tasks_that_i_can_run():
        if t.lock_for_me(): t.run()

（实际上比这更复杂，但你明白了。）

如果您愿意，它使用文件系统进行锁定（如果您在NFS系统上）或redis服务器。它还可以处理任务之间的依赖关系。

这不是你要求的，但我相信这是一个更清洁的架构，可以将它与作业排队系统分开。

Answer 3

看起来我参加派对的时间有点晚了，但几年前我也遇到了如何将令人尴尬的并行问题映射到python中的问题，并编写了我自己的解决方案。我最近将它上传到github：https://github.com/plediii/pbs_util

要使用pbs_util编写程序，我首先要在包含

的工作目录中创建一个pbs_util.ini

[PBSUTIL]
numnodes=1
numprocs=1
mem=i1000mb
walltime=24:00:00

然后像这样的python脚本

import pbs_util.pbs_map as ppm

import pylab
import myModule

class ModelWorker(ppm.Worker):

    def __init__(self, input, N):
        self.input = input
        self.N = N

    def __call__(self, a):
        myModule.do_lots_number_crunching(self.input, a, self.N)
        pylab.savefig('figure_' + self.input.name + '_' + str(a) + '_' + str(self.N) + '.png')



# You need  "main" protection like this since pbs_map will import this file on the     compute nodes
if __name__ == "__main__":
    input, N = something, picklable
    # Use list to force the iterator
    list(ppm.pbs_map(ModelWorker, pylab.linspace(0., 1., 100),
                     startup_args=(input, N),
                     num_clients=100))

这样就可以了。

Answer 4

我刚开始使用群集和EP应用程序。我的目标（我和图书馆一起工作）是要学到足够的知识，以帮助校园内的其他研究人员使用EP应用程序访问HPC ...尤其是STEM以外的研究人员。我还是很新，但认为这可能有助于这个问题指出在PBS脚本中使用GNU Parallel来启动具有不同参数的基本python脚本。在.pbs文件中，有两行要指出：

module load gnu-parallel # this is required on my environment

parallel -j 4 --env PBS_O_WORKDIR --sshloginfile $PBS_NODEFILE \
--workdir $NODE_LOCAL_DIR --transfer --return 'output.{#}' --clean \
`pwd`/simple.py '{#}' '{}' ::: $INPUT_DIR/input.*

# `-j 4` is the number of processors to use per node, will be cluster-specific
# {#} will substitute the process number into the string
# `pwd`/simple.py `{#}` `{}`   this is the command that will be run multiple times
# ::: $INPUT_DIR/input.* all of the files in $INPUT_DIR/ that start with 'input.' 
#     will be substituted into the python call as the second(3rd) argument where the
#     `{}` resides.  These can be simple text files that you use in your 'simple.py'
#     script to pass the parameter sets, filenames, etc.

作为EP超级计算的新手，即使我还没有理解“并行”的所有其他选项，这个命令允许我以不同的参数并行启动python脚本。如果您可以提前生成大量参数文件来并行化您的问题，那么这将很有效。例如，跨参数空间运行模拟。或使用相同的代码处理许多文件。

在群集上使用python和PBS进行“令人尴尬的并行”编程

4 个答案: