#author("2019-03-16T00:32:34+00:00","game","game")
#author("2019-06-11T07:17:58+00:00","game","game")
*Torque [#j73ae00a]
**Torqueとは [#w403e39f]
Torqueは、Job Schedulerである。Job Schedulerは、クラスターに次々と投入されるジョブを、キューなどを用い、スケジューリングを行って管理してくれる。~
クラスターを利用して、実験を行う際には、Job Schedulerを用いる必要がある。~
それは、他のクラスターユーザーが存在する場合に、同時に別スレッドで処理を実行してしまうならば、CPUなどのリソースを取り合うことになるため、台数効果などの実験結果が正確に得られないからである。~
まず、[[Torqueのインストール]]する。
それでは、Torqueの使い方を見てみよう。~

**Torqueがインストールされたserverにログインする [#td5c36cf]

ssh ie-user@tino-vm1.ads.ie.u-ryukyu.ac.jp 

このvmはシス管か, 誰かに頼んで上げてもらう(自分のときは名嘉村研の先輩に頼みました

**queueの作成(サーバー側)[#w403e39f]
テストとして"tqueue"という名前のqueueを作る。
 Qmgr: create queue tqueue queue_type = execution
 Qmgr: set queue tqueue enabled = true
 Qmgr: set queue tqueue started = true
 Qmgr: set server default_queue = tqueue
 Qmgr: set server scheduling = true
 Qmgr: set queue tqueue resources_max.ncpus = 2
 Qmgr: set queue tqueue resources_max.nodes = 2
各コマンドの意味を以下に示す。
- create queue <queue名> queue_type = <queueのタイプ>
-- 指定された名前、タイプのqueueを作成する。
-- タイプはE,executionを指定するとexecution queueになりR,routeを指定するとrouting queueとなる。
- set queue <queue名> <Attributes>
-- 指定したqueueの指定したAttributesを設定する。
例で設定したAttributesについて
- enabled = <true or false>
-- trueにすると新しいjobを受け付ける。
- started = <true or false>
-- trueにするとqueueの中のjobの実行を許可する。
- resources_max.ncpus = <cpu数>
-- queueに割り当てるcpu数を設定する。
- resources_max.nodes = <node数>
-- queueに割り当てるnode数を設定する。
- set server <Attributes>
-- 指定したqueueの指定したAttributesを設定する。
例で設定したAttributesについて
-  default_queue = <queue名>
-- 指定したqueueをデフォルトqueueとする。
- scheduling = <true or false>
-- Schedulingを可能にする。
ここまでの設定の確認を行う。
 Qmgr: print server
これでサーバーの設定が確認できる。作成したqueueが表示されればうまくいっている。また、以下のコマンドqueueの確認ができる。
 Qmgr: list queue <queue名>
***設定の保存 [#c0c1f3e6]
以下のようにリダイレクトして保存する。
 # echo "p s" | <torqueのインストール先>/bin/qmgr > <ファイル名>
次回以降はこのファイルを与えることで設定が楽になる。

ファイルの与え方もリダイレクト
 # <torqueのインストール先>/bin/qmgr < <ファイル名>

*Torque チュートリアル [#e15ab66e]


**Torqueを使用する前に [#v7c30a30]
Torqueは、naha.ie.u-ryukyu.ac.jp上で使用することができる。~
実験を行うためには、パスワードを使用せずにsshできるように、鍵認証の設定を行わなくてはならない。しかし、mauiユーザーでは既に設定が行われているため、Torqueをすぐに使用することができるようになっている。

 % ssh ie-user@tino-vm1.ads.ie.u-ryukyu.ac.jp

尚、パスワードはサーバー班が管理しているので、サーバー班から教えてもらうことができる。

ログインすると、ホームディレクトリにProjectフォルダがあるので、その中に自分の学籍番号のフォルダを作成し、その中で作業を行うようにする。

 % mkdir student/eXX57XX
 % cd student/eXX57XX

追記
ただし, Projectフォルダは分散環境上で共有されていないため, ファイルを共有したい場合は /mnt/data/* の中にworkspaceを作り, その中で作業を行うのが望ましい.


**Torque上でジョブを実行する [#z9ce5a59]
***ジョブを実行するための準備 [#i6f44c02]
jobs.shを作成する。

-jobs.sh
 #!/bin/sh
 echo hello
 hostname

***ジョブの実行 [#w4f9d890]
Torqueのジョブは、qsubコマンドによって投入される。
 % qsub jobs.sh
このように実行すると、1台のクラスターでのみ処理が行なわれる。

***ジョブの実行結果 [#n334fdff]
スクリプトの実行が終わると、jobs.sh.oXXX, jobs.sh.eXXXという2つのファイルが生成される。XXXは、Torqueによって割り振られたジョブ番号である。
ファイルにはそれぞれ、標準出力と、標準エラー出力の内容が出力されている。

 % cat jobs.sh.oXXX
 hello
 cls001.cs.ie.u-ryukyu.ac.jp

***複数のノードを用いた実験 [#mc5122e2]
また10台で実験を行うには次のように、実行すれば良い。

 % qsub -l nodes=10 jobs.sh
 % cat jobs.sh.oXXX
 hello
 cls010.cs.ie.u-ryukyu.ac.jp

10台のノードを指定しても、実際には10台が使用可能になっただけであり、10台で実行された訳ではない。~
このcls010.csは、親ノードである。この親ノード(cls010.cs)から、他のノード(cls001-cls009)に対して、命令を行うようにプログラミングする必要がある。

例えば、以下のような処理を行う必要がある。

-jobs.sh
 #!/bin/sh
 #PBS -N ExampleJob
 #PBS -l nodes=10,walltime=00:01:00
 for serv in `cat $PBS_NODEFILE`
 do
   ssh $serv hostname &
 done
 wait

#PBSを用いてコメントをつけると、その部分が、qsubコマンドのオプションとして認識される。
- -N: ExampleJob.oXXXのように、ジョブに名前を付けることができるようになる。
- -l: ジョブのオプション。nodes=ノード数、walltime=処理制限時間のように設定できる。

親ノードのシェルには、$PBS_NODEFILEという、環境変数が準備されている。

-(例)
 % echo $PBS_NODEFILE
 /var/spool/torque/aux/XXX.naha.ie.u-ryukyu.ac.jp
 % cat $PBS_NODEFILE
 cls010.cs.ie.u-ryukyu.ac.jp
 cls009.cs.ie.u-ryukyu.ac.jp
 ...(略)...
 cls001.cs.ie.u-ryukyu.ac.jp

$PBS_NODEFILEの先頭行のホストが親ノードである。

このスクリプトを実行してみると、以下のようになった。

 % qsub jobs.sh
 % cat ExampleJob.oXXX
 cls003.cs.ie.u-ryukyu.ac.jp
 cls009.cs.ie.u-ryukyu.ac.jp
 cls008.cs.ie.u-ryukyu.ac.jp
 cls010.cs.ie.u-ryukyu.ac.jp
 cls007.cs.ie.u-ryukyu.ac.jp
 cls006.cs.ie.u-ryukyu.ac.jp
 cls004.cs.ie.u-ryukyu.ac.jp
 cls005.cs.ie.u-ryukyu.ac.jp
 cls002.cs.ie.u-ryukyu.ac.jp
 cls001.cs.ie.u-ryukyu.ac.jp

このように、10台のノードで、hostnameコマンドを実行した結果が表示されていることが分かる。
これらの他に、mpiを用いて、他のノードにジョブを割り振ることもできる。

**1ノード2CPUを用いた実験方法 [#g6147db9]
クラスターはCoreDuoを搭載しているため、CPUを2つまで使用することができる。つまり、1ノードで、2つの処理を行なうことができる。~
その場合は、以下のように実行する。
 % qsub -l nodes=10:ppn=2 jobs.sh
この場合、$PBS_NODEFILEには、同じホストが2つずつ登録されていることになる。

**1ジョブでマルチタスクの実行 [#te8ac4a0]
また、1つのジョブで、複数の同じタスクを実行することもできる。
その場合は、以下のように実行する。
 % qsub -t 1-3 -l nodes=10 jobs.sh
この場合、出力結果も3つのタスクごとに出力される。

&ref(torque_qsub.png);

**その他、便利なコマンド [#c4400499]
-jobs.sh
 #!/bin/sh
 #PBS -N ExampleJob
 #PBS -l nodes=1,walltime=00:01:00
 sleep 10
 echo hello

 % qsub jobs.sh
sleepを行って、ジョブを長引かせてテストする。
 % qstat
 Job id                    Name             User            Time Use S Queue
 ------------------------- ---------------- --------------- -------- - -----
 XXX.naha                  ExampleJob       maui                   0 R batch

このように、ジョブの状態を確認することができる。

**Error 対処メモ [#u7fc1af9]
Nodeの数を4~9台に設定するとなぜかjobがうまく動かない。以下のようなエラーがでる。
 qsub: Job exceeds queue resource limits MSG=cannot satisfy queue max nodes requirement  

対処法はNodeの数の設定時に、一桁だった場合は 05 といったように0をつけることで解決する。
 % qsub -l nodes=05 test.sh

全体で登録しているNodeの数が二桁になるとこうする必要がある。
また、Nodeの数を間違っていなくても、上のエラーがでるときがある。その時は今使っているqueueの設定をみる。
 % qmgr -c "p s"
 :
 create queue cqueue
 set queue cqueue queue_type = Execution
 set queue cqueue resources_max.ncpus = 184
 set queue cqueue resources_max.nodes = 46
 set queue cqueue enabled = True
 set queue cqueue started = True

ncpus の値やnodesの値を確認する。resource_max.nodes でなく、 resource_max.nodect も設定したほうがいいかもしれない。
 % sudo qmgr
 set queue cqueue resources_max.nodect = 46


**crとcsの両方のtorqueクラスタを1つで使う [#da9175cd]
crで作成したtorqueのクラスタをcsの方でまとめて使うための方法。

以下の2つの設定変更により行える
-クライアント側のserver_nameファイルとconfigファイルをmass00.cs(親)の設定に変更する。
-親のtorqueのnodesの設定にcrのクラスタの情報を付け加える。

上記の変更をpbsをstopさせて変更を行う。
 % sudo /etc/init.d/torque stop
***クライアント側のserver_nameファイルとconfigファイルをmass00.cs(親)の設定に変更する [#laf3d88a]
変更するファイルは以下の２つ
 /var/spool/torque/server_name
 /var/spool/torque/mom_priv/config
それぞれの中身をみてみる
 mass01(cr) % cat /var/spool/torque/server_name 
 mass00.cr.ie.u-ryukyu.ac.jp
 mass01(cr) % cat /var/spool/torque/mom_priv/config
 $logevent 0x1fff
 $max_load 1.2
 $ideal_load 1.0
 $pbsserver mass00.cr.ie.u-ryukyu.ac.jp
 $restricted mass00.cr.ie.u-ryukyu.ac.jp%
上記のmass00.crをmass.csに変更すればよい

***親のtorqueのnodesの設定にcrのクラスタの情報を付け加える [#rf6435d5]
変更するファイルは以下のもの
 /var/spool/torque/server_priv/nodes

中にはクライアントとなるサーバのドメインと使用するcpuの数の記述がある。
 % sudo cat /var/spool/torque/server_priv/nodes 
 mass02.cs.ie.u-ryukyu.ac.jp np=4
 mass03.cs.ie.u-ryukyu.ac.jp np=4
 mass04.cs.ie.u-ryukyu.ac.jp np=4
 :略
 mass46.cs.ie.u-ryukyu.ac.jp np=4
 mass47.cs.ie.u-ryukyu.ac.jp np=4

これにmass01.cr.ie.u-ryukyu.ac.jp といったcr側のクライアントの情報を追加してあげればよい。

設定が終わったら
 % sudo /etc/init.d/torque start
をして起動させる。
クライアント全部を手作業でやるのは面倒臭いのでcapistrano を使ってください。

** workspaceの作り方 [#z82621ae]
*** 力技(rootのゴリ押し) [#m0f45128]

例えばie-user@tino-vm1.ads.ie.u-ryukyu.ac.jp で
 mkdir /mnt/data/fuga

と作成しようとしてもPermmision Errorになる. また, rootで作成しても
 sudo mkdir /mnt/data/fuga
 ls -l /mnt/data 
 合計 48
 ...
 drwxr-xr-x  2 ie-user   ie-user    4096  8月  9  2016 examples
 drwxr-xr-x  2 nfsnobody nfsnobody     6  1月 24 06:08 fuga
 ...

となり, usernameとgroupが違うため, 他のvmがfugaにアクセスできない. (そもそも, このvmでもsudoがないとファイルが書き込めないはず.

このファイルを管理しているのはtino-vm2の方なので, そこにアクセスしてファイル権限を書き換える
 ssh tino-vm2.ads.ie.u-ryukyu.ac.jp
 # /exports/data がmountされていたため, この中のfugaを変える
 sudo chown -R ie-user:ie-user /exports/data/fuga
 exit

その後ファイルを見てみると書き換わっている
 ls -l /mnt/data 
 合計 48
 ...
 drwxr-xr-x  2 ie-user   ie-user    4096  8月  9  2016 examples
 drwxr-xr-x  2 ie-user   ie-user     6  1月 24 06:08 fuga
 ...

ただゴリ押しなので他の方法もあるかも. (というか普通は管理者に言うべきなんだろうなぁ....

** Christie用メモ [#u848af30]
@tinovm1:/mnt/data/christie-workspace/の中で作業を行う。
christieを更新した際はjarファイルを置き換えること。(Jenkinsで自動化できるらしい。)



** 参考文献 [#sd6040a5]
http://docs.adaptivecomputing.com/torque/6-1-2/adminGuide/torque.htm#topics/torque/0-intro/introduction.htm%3FTocPath%3DChapter%25201%253A%2520Introduction%7C_____0
トップ   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS