Question

我在我们的大学集群上运行工作（普通用户，没有管理员权限），它使用SLURM调度系统，我对绘制CPU和内存使用情况感兴趣，即在工作时在跑。我知道sacct和sstat，我想在我的提交脚本中包含这些命令，例如

中的一些内容

#!/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，我并不是真的相信这个解决方案：

sstat并未显示有多少cpus被使用时刻（仅限平均值）
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
似乎仍然存在一些错误（脚本在作业完成后不会停止）

有没有人知道如何正确地做到这一点？甚至可以使用top或htop代替sstat？非常感谢任何帮助。

Answer 1

Slurm提供了一个插件来将作业的配置文件（某些技术的PCU使用率，内存使用率，甚至磁盘/网络IO）记录到HDF5文件中。该文件包含每个跟踪度量的时间序列，您可以选择时间分辨率。

您可以通过以下方式激活它

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

请参阅文档here。

要检查是否已安装此插件，请运行

scontrol show config | grep AcctGatherProfileType

它应该输出AcctGatherProfileType = acct_gather_profile/hdf5。

对于您的脚本，您可以尝试将sstat替换为与计算节点的SSH连接以运行ps。假设安装了pdsh或clush，您可以运行以下命令：

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。

最后一点要注意的是，您的工作永远不会因为while循环终止而终止，而while循环将在作业终止时终止而终止...条件{{1} }永远不会在脚本中被观察到。作业完成后，脚本将被终止。

如何在slurm工作期间监控资源？

1 个答案: