龙讯旷腾 pwmat Wiki

本页面只读。您可以查看源文件，但不能更改它。如果您觉得这是系统错误，请联系管理员。

~~NOTOC~~
===== q201 slurm 提交报错 sinfo 显示 drain 状态 =====

<WRAP em>
==== 解决方法 ====
</WRAP>

> 使用 root 用户执行下面的命令

<code bash>
scontrol update node=mstation state=idle
</code>

<WRAP em>
==== root cause 原因 ====
</WRAP>

<code bash>
scontrol show node mstation

# 在输出中找 Reason

Reason=Not responding [slurm@2024-03-21T14:07:17]
</code>

> 节点处于 drain, down 等状态, 我们先通过上面的命令找原因

1. ''Reason=Not responding'' 一般要重启服务, 再更新状态为 idle

<code bash>
systemctl restart slurmd
scontrol update node=mstation state=idle
</code>


<WRAP lo>
==== mstation 提交指定显卡 ====
</WRAP>

<code bash>
# 在提交脚本中加上如下环境变量
export CUDA_VISIBLE_DEVICES=0,1,2,3
</code>

> <wrap hi>nvidia-smi 查看 gpu卡. 指定使用 0,2,3 这3块卡</wrap>

<code bash>
export CUDA_VISIBLE_DEVICES=0,2,3
</code>