我正在使用 gnu Parallel 在每个节点有 2 个 CPU 的高性能 (HPC) 计算集群上启动代码。该集群使用 TORQUE 可移植批处理系统 (PBS)。我的问题是澄清 GNU 并行的 --jobs 选项在这种情况下如何工作。
当我运行不带 --jobs 选项的调用 GNU 并行的 PBS 脚本时,如下所示:
#PBS -lnodes=2:ppn=2
...
parallel --env $PBS_O_WORKDIR --sshloginfile $PBS_NODEFILE \
matlab -nodiplay -r "\"cd $PBS_O_WORKDIR,primes1({})\"" ::: 10 20 30 40
看起来每个核心只使用一个 CPU,并且还提供了以下错误流:
bash: parallel: command not found
parallel: Warning: Could not figure out number of cpus on galles087 (). Using 1.
bash: parallel: command not found
parallel: Warning: Could not figure out number of cpus on galles108 (). Using 1.
这看起来像是每个节点都有一个错误。我不明白第一部分(bash:并行:找不到命令
),但第二部分告诉我它正在使用一个节点。
当我将选项 -j2
添加到并行调用时,错误消失,并且我认为每个节点使用两个 CPU。我仍然是 HPC 的新手,所以我检查这一点的方法是从我的代码中输出日期时间戳(虚拟 matlab 代码需要 10 秒才能完成)。我的问题是:
- 我是否正确使用了
--jobs
选项?因为每个节点有 2 个 CPU,所以指定-j2
是否正确?或者我应该使用-jN
,其中 N 是 CPU 总数(节点数乘以每个节点的 CPU 数)? - 看来 GNU 并行尝试自行确定每个节点的 CPU 数量。有什么办法可以让它正常工作吗?
bash:parallel:command notfound
消息有什么意义吗?
最佳答案
- 是:-j 是每个节点的作业数。
- 是:在远程主机上的 $PATH 中安装“parallel”。
- 是:这是 $PATH 中缺少
parallel
的结果。
GNU 并行登录到远程计算机;尝试确定失败的核心数量(使用parallel --number-of-cores),然后默认为每个主机 1 个 CPU 核心。通过给出 -j2
GNU Parallel 将不会尝试确定核心数量。
您是否知道您还可以在 --sshlogin 中将核心数指定为:4/myserver ?如果您混合使用具有不同内核数量的机器,这非常有用。
关于hpc - GNU 并行 --jobs 选项在集群上使用多个节点,每个节点有多个 cpu,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22236337/