Slurm：如何重新启动失败的工作人员

Question

如果在 slurm 集群上运行阵列作业，如何重新启动失败的工作作业？

在 Sun Grid Engine 队列中，可以将 #$ -r y 添加到作业文件中，以指示作业在失败时应重新启动 - 该标志的 Slurm 等效项是什么？

Answer 1

你可以使用--requeue

#SBATCH --requeue                   ### On failure, requeue for another try

--重新排队

指定批处理作业应该有资格重新排队。该作业可以由系统管理员显式地重新排队，在节点发生故障之后，或者在被更高优先级的作业抢占时。当作业重新排队时，批处理脚本会从头开始启动。另请参阅 --no-requeue 选项。 JobRequeue 配置参数控制集群上的默认行为。

在此处查看更多信息：https://slurm.schedmd.com/sbatch.html#lbAE