Question

srun --nodes=3 hostname

成功返回所有3个节点名称，但

srun --nodes=3 julia test.jl

在下面的错误中失败，其中test.jl在此处给出

工人2被终止。错误（未处理的任务失败）：版本读取失败。连接由同行关闭。堆栈跟踪： [1] process_hdr（:: TCPSocket，:: Bool）at ./distributed/process_messages.jl:257 [2] message_handler_loop（:: TCPSocket，:: TCPSocket，:: Bool）at ./distributed/process_messages.jl:143 [3] process_tcp_streams（:: TCPSocket，:: TCPSocket，:: Bool）at ./distributed/process_messages.jl:118 [4]（:: Base.Distributed。## 99＃100 {TCPSocket，TCPSocket，Bool}）（）at。/ event.jl：73

srun：错误：n-0-2：任务2：退出退出代码1 srun：错误：n-0-0：任务0：退出退出代码1 srun：错误：n-0-2：任务2：退出退出代码1 srun：错误：n-0-1：任务1：退出退出代码1

test.jl

using ClusterManagers

addprocs(SlurmManager(3), partition="slurm", t="00:5:00")

hosts = []
pids = []
for i in workers()
        host, pid = fetch(@spawnat i (gethostname(), getpid()))
        println(host)
        push!(hosts, host)
        push!(pids, pid)
end


# The Slurm resource allocation is released when all the workers have
# exited
for i in workers()
        rmprocs(i)
end

为什么呢？注意：我没有julia作为模块，但julia位于所有节点都可访问的共享目录中。

使用Slurm的Julia只调用一个节点

0 个答案: