slurm 22.05.2 gpu 碎片是无效的 gres 名称答案

【问题标题】：slurm 22.05.2 gpu shard is invalid gres nameslurm 22.05.2 gpu 碎片是无效的 gres 名称
【发布时间】：2023-01-25 22:17:49
【问题描述】：

我正在尝试在测试 slurm 节点 (22.05.2 slurmctld + slurmd) 上设置 gpu sharding。但是，无论我使用的可能配置 (1. - 3.)，分片根本不起作用，因为 slurmd 忽略分片作为无效的 gres 名称：

slurmd: error: Ignoring gres.conf record, invalid name: shard

有没有人启动并运行 gpu 分片？

【问题讨论】：

【解决方案1】：

根据 Official manual，为了使用分片，即 GPU 共享，必须在 slurm.conf 中启用它。一个例子是，

NodeName=tux[1-16] Gres=gpu:2,shard:200"

如果 /etc/slurm/slurm.conf 中没有这一项，那你就不走运了。

【讨论】：

它同时存在于slurm.conf和gres.conf中——不起作用。如果它在gres.conf 中，我会得到上述错误并且gres shard 被忽略，因为“无效的 gres 名称”。如果仅在 slurm.conf 中配置，我不会收到任何错误，但 shard 也未配置，因为它没有作为资源显示在 scontrol show node 中。
是的，你多半是运气不好。向 HPC 人员寻求帮助。

【解决方案2】：

您可以在 slurm 讨论组中获得帮助。

您没有发布 slurm.conf 和 gres.conf。我不确定可能是什么问题，但这里有一个问题可能与您的问题类似：

【讨论】：