常见问题 FAQ

一、调度系统问题

1. 平台的调度是什么调度系统？slurm是什么？
答：集群采用slurm调度系统，了解slurm 请详细参考 Slurm作业调度系统

2. 队列有空闲节点，但任务在排队？
答：可以命令行执行squeue查看排队情况，当NODELIST(REASON)列显示状态为resource或者priority时，代表正常排队中，有资源释放排队任务会自动运行。

3. 文件不小心误删了怎么办？
答：由于集群采用共享存储，文件删除无法找回，请谨慎执行rm命令。

4. 作业显示节点异常nodefile怎么办？
答：如果是脚本提交，可以在脚本中加入#SBATCH -x 节点名 排除异常节点再重新提交，如果是其他方式提交，您可以直接重新提交。温馨提示：节点异常的情况后台会进行统一赔付。

5. 如何独占节点？
答：脚本添加#SBATCH --exclusive是独占节点的意思，独占节点会按照满核收费。

6. 计算账号名是什么？
答：点击首页的命令行 [E-Shell]，选择区域后，左下角@之前的字母就是计算账户名。

7. 计算节点无法联网下载？
答：目前计算节点是不支持上网功能的，可以告知值班工程师具体需求，工程师评估后会帮忙申请开通代理，配置后进行上网。

8. 如何查看可使用的队列？
答：
1）点击首页，选择要查询的区域，就可以看到可访问队列；
2）在登录节点中执行whichpartition命令进行查看。

二、控制台使用相关问题

1. 登录E-shell后一直卡在登录界面或者E-shell使用起来比较卡顿怎么处理？
答：（1）清除下浏览器缓存，更换浏览器重新登陆； （2）更换网络测试，排除下本地网络连接问题； （3）上述方法都测试后依然卡顿，请在专属用户群寻求值班工程师帮助。

2. 快传客户端在运行，点击上传文件一直提示未检测到快传客户端，该怎么操作？
答：退出快传客户端重新打开。

3. 使用快传上传一个 70G 的包，一到 30GB 就提示重新上传，但没有具体报错，就开始从0上传，是什么原因？
答：可能受网络波动的影响，右键点击电脑桌面任务栏快传图标，在快传高级设置里面优先使用TCP要更稳定一些。

4. 如何修改密码？
答：重置/修改密码请参考 个人中心

5. 上传/下载速度太慢？

答：如果是使用网页进行下载，请换成快传客户端进行上传下载。

6. 如何上传/下载文件？
答：打开首页-数据管理-文件管理(E-File)，点击上传即可上传文件，选择需要下载的文件，点击下载既可下载文件，若有多个中心需在左上角选择使用中心以后再上传下载。

7. 如何进行scp传输？
答：在linux终端界面，可以使用scp传输文件，具体步骤如下：
1）AC进入eshell，点击右上角的小钥匙，下载秘钥例如 xh11.xxx_rsa.txt，记录域名和端口（例如xh1eshell.hpccube.com和65073）
2）把密钥上传到需要下载或上传文件的linux服务器上，给密钥文件赋权600 chmod 600 密钥文件名字，再执行scp -P 65073 -i xh1eshell.hpccube.com_1124170957_rsa.txt -r 要上传目录 用户名@xh1eshell.hpccube.com:/public/home/用户名/目录（若下载对换目录路径即可）

8. 打开图形桌面时，弹出式窗口被拦截怎么办？
答：方法一：在弹出的“已拦截弹出式窗口:”选中“始终允许 https://www.scnet.cn显示弹出式窗口和进行重定向”； 方法二：手动设置，以谷歌浏览器为例，在“浏览器的设置”>“隐私和安全”>“网站设置”>“弹出式窗口和重定向”，在下面的“允许发送弹出式窗口并使用重定向”添加网站 https://www.scnet.cn。

三、作业相关问题及排查

1. 作业排队

查看排队作业:squeue

[slurmtest@login02 ~]$ squeue
JOBID PARTITION     NAME     USER   ST       TIME  NODES NODELIST(REASON)
8977234      test TF_Datas slurmtest  PD                 1 (AssocGrpCpuLimit)
8977235      test TF_Datas slurmtest  PD                 1 (Resource)

1. Reason为AssocGrpCpuLimit的作业
原因：AssocGrpCpuLimit的提示信息表示该作业的使用核心数超过了该用户的限额
解决方案：请取消该作业（scancel 作业ID）并尝试减少作业脚本中占用核心数后重新提交

2. Reason为Resource的可用如下步骤排查
1）sinfo | grep 使用的队列中是否有空闲节点
2）scontrol show job 8977235 查看作业中申请的节点数，核心数，内存数等信息
3）确认队列中剩余的节点数，核心数，内存数是否大于作业中申请的数量： 如果还有可用资源，但是小于作业中申请的数量，则需要继续登录该作业； 如果剩余的资源大于作业中申请的，但是作业还是不运行，则需要联系管理员查看。

2. 提交作业报错

1. 报错一：Invalid account or account/partition combination specified

   error: Unable to allocate resources: Invalid account or account/partition combination specified

   解决方案：该报错是因为没有使用正确的可访问队列，需要在“概览”中的可访问队列查看您可用的队列名，或者直接在命令行执行whichpartition查询可用队列修改脚本中-p后面的队列名 sbatch -p <PARTITION>

2. 报错二: Job violates accounting/QOS policy

   sbatch: error: QOSsbatch: error: QOSMinGRES
   sbatch: error: Batch job submission failed: Job violates accounting/QOS policy (job submit limit, user's size and/or time limits)

   解决方案: 该报错原因是加速卡队列不能提交纯CPU任务。需要更换CPU队列提交纯CPU任务。

3. 报错三：Requested node configuration is not available

   sbatch: error: Batch job submission failed: Requested node configuration is not available

   报错原因：没有在DCU队列申请加速卡。 错误示范如下：
   

   #!/bin/bash
   #SBATCH -N 1
   #SBATCH -n 32
   #SBATCH --gres=dcu:4  ##申请四张加速卡
   #SBATCH -p wzhctest  ##CPU队列

   解决方案：更换DCU队列申请加速卡。 正确示范如下：
   

   #!/bin/bash
   #SBATCH -N 1
   #SBATCH -n 32
   #SBATCH --gres=dcu:4  ##申请四张加速卡
   #SBATCH -p wzhdtest  ##DCU队列

4. 报错四：CPU count per node can not be satisfied

   sbatch: error: CPU count per node can not be satisfied
   sbatch: error: Batch job submission failed: Requested node configuration is not available

   报错原因：任务脚本中节点配置不正确，单节点使用的核数（ntasks-per-node*cpus-per-task）超过了单节点最大核数（可通过AC首页>可访问队列>详情查看）

   

   错误示范如下：
   

   #!/bin/bash
   #SBATCH -N 1
   #SBATCH --ntasks-per-node=64  ##单节点进程数
   #SBATCH --cpus-per-task=2  ##单进程使用的核数
   #SBATCH -p wzhctest

   正确示范如下：
   

   #!/bin/bash
   #SBATCH -N 1
   #SBATCH --ntasks-per-node=32  ##单节点进程数
   #SBATCH --cpus-per-task=2  ##单进程使用的核数
   #SBATCH -p wzhctest

5. 报错五：AssocGrpCpuLimit

   sbatch: error: AssocGrpCpuLimit
   sbatch: error: Batch job submission failed: Job violates accounting/QOS policy (job submit limit, user's size and/or time limits)

   报错原因：申请的总核数（包括当前在运行的任务）达到了账号最大可用核数限制

   

   解决方案：减少申请核数并重新提交任务。例如：当前帐号可用资源为64核8卡，单节点配置为32核4卡，则任务最多可以申请2个节点，申请3个节点时会因可用核数受限而无法成功提交任务。

   错误示范如下：
   

   #!/bin/bash
   #SBATCH -N 3  ##节点数为3，任务申请总核数=N*ntasks-per-node=96核
   #SBATCH --ntasks-per-node=32  ##单节点核数
   #SBATCH --gres=dcu:4  ##单节点使用的加速卡数
   #SBATCH -p wzhdtest

   正确示范如下：
   

   #!/bin/bash
   #SBATCH -N 2  ##节点数为2，任务申请总核数=N*ntasks-per-node=64核
   #SBATCH --ntasks-per-node=32  ##单节点核数
   #SBATCH --gres=dcu:4  ##单节点使用的加速卡数
   #SBATCH -p wzhdtest