在 slurm 中使用 srun 或 mpirun 时作业失败

Question

我正在尝试用 slurm 提交一份工作。 但是，如果我使用srun或mpirun ，作业会失败。 但是，它与mpiexec一起运行良好，尽管尽管分配了多个节点和多个内核，但它只运行一个进程。

实际使用的命令是：

srun /nfs/home/6/sanjeevis/dns/lb3d/src/lbe -f input-default

以下是我使用srun/mpirun得到的错误：

[mpiexec@n1581] match_arg (utils/args/args.c:163): unrecognized argument pmi_args
[mpiexec@n1581] HYDU_parse_array (utils/args/args.c:178): argument matching returned error
[mpiexec@n1581] parse_args (ui/mpich/utils.c:1642): error parsing input array
[mpiexec@n1581] HYD_uii_mpx_get_parameters (ui/mpich/utils.c:1694): unable to parse user arguments

代码编译得很好，但我通过 slurm 面临问题。 对此的任何帮助表示赞赏。

编辑：以下是可执行文件的which mpirun, mpiexec, and ldd的 output：

/nfs/apps/MPI/openmpi/3.1.3/gnu/6.5.0/cuda/9.0/bin/mpirun
/nfs/apps/ParaView/5.8/binary/bin/mpiexec
        linux-vdso.so.1 =>  (0x00007fff78255000)
        libmpi.so.12 => /nfs/apps/Compilers/Intel/ParallelStudio/2016.3.067/impi/5.1.3.210/intel64/lib/release_mt/libmpi.so.12 (0x00002ae6cb57d000)
        libz.so.1 => /nfs/apps/Libraries/zlib/1.2.11/system/lib/libz.so.1 (0x00002ae6cbd4c000)
        libmpifort.so.12 => /nfs/apps/Compilers/Intel/ParallelStudio/2016.3.067/impi/5.1.3.210/intel64/lib/libmpifort.so.12 (0x00002ae6cbf67000)
        libdl.so.2 => /lib64/libdl.so.2 (0x00002ae6cc315000)
        librt.so.1 => /lib64/librt.so.1 (0x00002ae6cc519000)
        libpthread.so.0 => /lib64/libpthread.so.0 (0x00002ae6cc721000)
        libm.so.6 => /lib64/libm.so.6 (0x00002ae6cc93e000)
        libc.so.6 => /lib64/libc.so.6 (0x00002ae6ccc40000)
        libgcc_s.so.1 => /nfs/apps/Compilers/GNU/6.5.0/lib64/libgcc_s.so.1 (0x00002ae6cd003000)
        /lib64/ld-linux-x86-64.so.2 (0x0000558ea723a000)

这是我的工作脚本。

Answer 1

根本原因是几种不互操作的 MPI 实现的混合：

• mpirun来自 Open MPI
• mpiexec可能是 Paraview 的内置 MPICH
• 您的应用是使用英特尔 MPI 构建的。

尝试使用/nfs/apps/Compilers/Intel/ParallelStudio/2016.3.067/impi/5.1.3.210/bin/mpirun （或/nfs/apps/Compilers/Intel/ParallelStudio/2016.3.067/impi/5.1.3.210/bin64/mpirun ) 而是这样启动器将匹配您的 MPI 库。

如果您想将srun与英特尔 MPI 一起使用，则需要一个额外的步骤。 你首先需要

export I_MPI_PMI_LIBRARY=/path/to/slurm/pmi/library/libpmi.so

Answer 2

最可能的问题是程序是用一个 MPI 实现编译并用另一个 MPI 实现调用的。 确保正确设置所有 MPI 环境变量：OPAL_PREFIX、MPI_ROOT、PATH 和 LD_LIBRARY_PATH。