今日已完成任务列表

4-2、作业管理系统 slurm、调试器 GDB

遇到的问题及解决方案

无

任务完成详细笔记

作业管理系统 slurm

作业管理系统及常用用户命令

资源管理系统命令

管理命令
管理员操作和使用、管理节点以及管理员权限才能执行
用户命令
常用用户命令：

yhinfo / yhi：资源信息查询
yhalloc：资源申请 (强占)
yhrun：作业提交 (自动申请资源)
yhqueen / yhq：作业队列查询
yhcancel：作业取消
yhbatch：批处理作业 (输出被保存到 slurm-jobID.out 下)
yhacct：作业历史查询

节点状态查询/作业提交命令

节点状态、资源信息查询 yhinfo / yhi

thcp1：分区名，之后使用 -p 命令指定
up：表明分区上线，可以使用
infinite：表明分区使用时间为无限长
266：处于某一状态的节点数量
STATE：节点状态

alloc：表示以及被分配的节点，已经被别人用了，现在不可用
resv：保留的节点，可能有问题或者其他，不可用
idle：空闲节点，表示可以使用的节点
down：节点被关机

NODELIST：处于该状态的节点编号

在这里插入图片描述

作业提交
yhrun -p [partitionName] -N [nodesNum] -n [totalProcs] -c [numThreadss] [binaryPath]

-p：指定分区
-N：指定程序使用的节点数
-n：指定程序使用的总进程数目，每个节点启动约 n/N 个进程，整除
-c：指定每个进程可使用的处理器个数，通常应该等于每进程派生的线程数
[binaryPath]：可执行文件名字，相对或绝对路径，后面可以继续带程序自身的运行时参数

批处理作业
yhbatch -p [partitionName] -N [nodesNum] [scriptPath]

scriptPath：shell 脚本文件，需要包含yhrun命令
【yhbatch 提交的作业终端关闭时不会受到影响，登录节点 down 时也不会受到影响】

作业队列查询/作业取消命令

作业队列查询
yhqueen / yhq [options]

-a：查询所有作业
-u ：查询指定用户提交的作业
-n ：查询指定名称的作业
-s ：查询指定状态的作业
-p ：查询指定分区的作业

在这里插入图片描述

JOBID：作业 ID 号，可以根据作业 ID 使用其他操作，如取消 yhcancel 等
PARTITION：分区名称
NAME：可执行文件名
USER：用户
ST：状态，R 表示 RUN，还有排队PD等
TIME：运行了多长时间
NODES：使用的几点数目
NODELIST：具体节点列表

作业取消
yhcancel [JOBID] / yhcancel name=[NAME]

当作业运行时间 (TIME) 远大于预期的运行时间时，可能是出现了问题，此时可以选择取消该作业

任务练习

对于一个可执行文件 saxpy.exe，通过 slurm 系统，编写 shell 脚本 yhrun.sh，通过 yhrun 命令把程序二进制文件提交到计算节点进行串行计算，使用 yhbatch 命令，提交 yhrun.sh 脚本，使程序在后台运行
yhrun.sh

#!/bin/bash
yhrun -c 1 -N 1 -n 1 ./saxpy.exe

执行命令

yhbatch -N 1 -p thcp1 ./yhrun.sh &

调试器 GDB

实时调试

在这里插入图片描述

如何进入调试环境运行程序

源码编译阶段，需要添加调试选项 “-O0 -g”
gcc -O0 -g -o exe file.c
进入实时调试的方法
1、先使用 gdb 命令进入 gdb 窗口，再使用 file 命令加载二进制文件：file exe [命令行参数]
2、使用 gdb exe [命令行参数] 直接进入调试模式

l 展示代码
例如：展示第 10 行，l 10 会将其上下 5 行均展示
b [行号] 在指定行处打断点
r 运行程序
p [变量名称] 查看代码中指定变量的值
c 继续执行程序
q 退出程序
info break 查看所有断点信息
disable [断点编号] 禁用指定的断点
enable [断点编号] 恢复指定的断点
clear [断点编号] 删除指定断点
watch [变量名称] 跟踪指定变量

core 文件调试

core 文件
core 文件 (core dump 文件)，有问题的程序运行后，产生 “段错误” 时生成的具有堆栈信息的调试信息的文件
生成 core 文件
1、使用 ulimit -c 查看 core 开关，如果为 0 表示关闭，不会生成 core 文件
2、使用 ulimit -c [filesize] 设置 core 文件大小，在最小设置为 4 之后才会生成 core 文件
3、使用 ulimit -c unlimited 设置 core 文件大小为不限制 (常用)
core 文件的目录
默认情况下一般 core 文件的生成目录为程序运行当前目录，用户无须自行修改

gdb -c：使用 core 文件记录的信息进入程序调试 (输入 I 可以显示更多崩溃点附近的代码)
Backstrace，简写 bt，查看崩溃/断点附近的程序调用栈信息
frame [n]，简写 f [n]，查看调用栈的 #n 层
down，显示程序调用的更深层
up，显示程序调用的外层主调 (函数)