【问题标题】:Matlab parfor uses fewer cores than the allocated number of coresMatlab parfor 使用的内核数少于分配的内核数
【发布时间】:2021-06-28 15:00:54
【问题描述】:

我正在远程cluster 的单个节点上运行并行 Matlab 作业。集群的每个节点有 2 个处理器,每个处理器有 24 个内核,每个节点总共有 48 个内核。该作业包含一些顺序代码,后跟一个 parfor 循环。我使用slurm bash 脚本运行它。

bash 脚本test.sh 是:

#!/bin/bash
#
########## Begin Slurm header ##########
#
# Give job a reasonable name
#SBATCH -J test_1
#
# Request number of nodes and CPU cores per node for job
#SBATCH --nodes=1
# Request number of tasks/process per nodes
# (determines number of workers in processed based parpool)
#SBATCH --tasks-per-node=48
# Estimated wallclock time for job
#SBATCH -t 1-00
#
# Send mail when job begins, aborts and ends
#SBATCH --mail-type=ALL
#
########### End Slurm header ##########

echo "Submit Directory:                     $SLURM_SUBMIT_DIR"
echo "Working Directory:                    $PWD"
echo "Running on host                       $HOSTNAME"
echo "Job id:                               $SLURM_JOB_ID"
echo "Job name:                             $SLURM_JOB_NAME"
echo "Number of nodes allocated to job:     $SLURM_JOB_NUM_NODES"
echo "Number of cores allocated to job:     $SLURM_NPROCS"
echo "Number of requested tasks per node:   $SLURM_NTASKS_PER_NODE"

# Load module
module load math/matlab/R2020a

#   Create a local working directory on scratch
mkdir -p $SCRATCH/$SLURM_JOB_ID

# Start a Matlab program
matlab -nodisplay -batch test_1 > test_1.out 2>&1

# Cleanup local working directory
rm -rf $SCRATCH/$SLURM_JOB_ID

exit

Matlab 脚本是

% Create parallel pool

pc = parcluster('local');

pc.JobStorageLocation = strcat(getenv('SCRATCH'),'/',getenv('SLURM_JOB_ID'));
 
num_workers = str2double(getenv('SLURM_NPROCS'));
parpool(pc,num_workers);

% Body of the script

% Choose deterministic parameters

free_points = 845000;
pulse_points = 1300000;
dt = 2e-11;

num_freqs = 200;
freqs = linspace(-1,1,200);

rhoi = rand(72);
rhoi = rhoi + rhoi';
rhoi = rhoi/trace(rhoi);

% Iterate over random parameters

num_pars = 5;
res = zeros(num_pars,num_freqs);
for n=1:num_pars

    disp('=====');
    disp(['N = ',num2str(n)]);
    disp('=====');

    timer = tic;

    % Random parameters

    H = rand(size(rhoi));
    H = (H + H')/2;

    L1 = rand(size(rhoi));
    L2 = rand(size(rhoi));
    L3 = rand(size(rhoi));
    L4 = rand(size(rhoi));
    L5 = rand(size(rhoi));

    % Equation to solve

    ME = @(rhot, t, w)  -1i*w*(H*rhot - rhot*H) + (L1*rhot*L1' - (1/2)*rhot*L1'*L1 - (1/2)*L1'*L1*rhot) ...
                                                + (L2*rhot*L2' - (1/2)*rhot*L2'*L2 - (1/2)*L2'*L2*rhot) ...
                                                + (L3*rhot*L3' - (1/2)*rhot*L3'*L3 - (1/2)*L3'*L3*rhot) ...
                                                + (L4*rhot*L4' - (1/2)*rhot*L4'*L4 - (1/2)*L4'*L4*rhot) ...
                                                + (L5*rhot*L5' - (1/2)*rhot*L5'*L5 - (1/2)*L5'*L5*rhot);

    % Solve equation

    % IF I CHANGE TO 'for j = 1:1', ALL WORKERS ARE USED!!! MEMORY?
    for j = 1:free_points
       rhoi =  RK4(@(rho, t) ME(rho, t, 0), rhoi, j, dt);
    end

    t = toc(timer);
    disp(['Mid duration ',num2str(t),'s']);

    parfor k=1:num_freqs
        w = freqs(k);
        
        rhop = rhoi;
        
        for j=1:pulse_points
            rhop = RK4(@(rho, t) ME(rho, t, w), rhop, j, dt);
        end
        
        for j=1:free_points
            rhop = RK4(@(rho, t) ME(rho, t, 0), rhop, j, dt);
        end

        occ(k) = rhop(1,1);
    end

    % Store result

    res(n,:) = occ;

end

save('res','res');

% Delete the parallel pool

delete(gcp('nocreate'));


% Local functions

function [rho] = RK4(F, rho, k, h)

k1 = F(rho, k*h);
k2 = F(rho+h*k1/2, (k+1/2)*h);
k3 = F(rho+h*k2/2, (k+1/2)*h);
k4 = F(rho+h*k3, (k+1)*h);

rho = rho+(1/6)*h*(k1+2*k2+2*k3+k4);

end

slurm 输出是

#
# SOME PERSONAL INFO HERE...
#
Number of nodes allocated to job:     1
Number of cores allocated to job:     48
Number of requested tasks per node:   48
 IMPORTANT: The MATLAB Academic site license is available to employees and
 enrolled students of the the universities of (CENSORED).
 The license is available for teaching or research only.
 Commercial applications are not permitted.

Matlab 的输出是

Starting parallel pool (parpool) using the 'local' profile ...
Connected to the parallel pool (number of workers: 48).
=====
N = 1
=====
Mid duration 3608.9535s
Starting parallel pool (parpool) using the 'local' profile ...
Connected to the parallel pool (number of workers: 12).

#
# REST OF OUTPUT HERE...
#

您会看到,当 Matlab 脚本启动时,会创建一个由 48 个工作人员组成的池。但是随着parfor 循环最终开始,parpool 重新启动,并且工作人员的数量被降级为 12。

我注意到只有在循环的大小足够大时才会发生这种情况,即使是非parfor 循环也是如此。例如,如果我将第一个 for 循环的大小更改为 1,则 parpool 不会重新启动。所以我认为这可能与内存使用有关......?

知道发生了什么以及如何让 Matlab 使用分配的所有 48 个内核吗?

编辑:我尝试的另一件事是删除parpool 命令并将parfor 循环中的集群指定为parfor (k=1:num_freqs,pc)。当我这样做时,无论我的循环大小如何,Matlab 都会使用四分之一的工人。我会尝试直接联系管理员...

【问题讨论】:

  • 并行池为什么会启动两次?另一个parpool 命令在哪里? parfor 循环的内容是否可能调用另一个尝试并行运行的函数?请阅读minimal reproducible example
  • 这正是问题所在。当调用 parfor 时,parpool 命令会自动再次运行,就好像 Matlab 在启动 parfor 时改变了关于工人数量的想法。如果可以的话,我明天会尝试做一个最小的例子,但我不想展示我使用的代码,因为我不拥有它,它只是借给我的。
  • 需要明确的是,对 parpool 只有一个显式调用,但 parfor 似乎出于我不明白的原因再次隐式调用它。不,没有其他函数尝试在 parfor 循环中并行运行。
  • 好的,我更改了原始帖子,以便它有一个工作示例。我开始认为这与记忆有关。当我减少其中一个(非并行)循环的大小时,parpool 不再随机重新启动。有什么想法吗?
  • 我很困惑,我不明白为什么会这样。也许有些事情要问 MATLAB 支持。您应该能够通过管理您所在大学的许可证的人员取得联系。

标签: bash matlab parallel-processing slurm parfor


【解决方案1】:

我敢打赌,您的并行池在您的 parfor 循环之间超时。然后它会自动创建大小为 12,因为这是“并行池中的首选工作人员数量”(doc)的默认首选项。 (就个人而言,我不太在意这种偏好,并且总是将值设置为 99999 并让其他东西控制池的大小,但在你的情况下,如果你的 SLURM 工作人员不共享一个MATLAB 首选项目录 (prefdir) 与您的客户端)。

我建议您使用 IdleTimeoutInf 创建大小为 48 的池,如下所示:

num_workers = str2double(getenv('SLURM_NPROCS'));
parpool(pc,num_workers,'IdleTimeout',Inf);

【讨论】:

  • 这很有意义。虽然通常当达到空闲限制时,Matlab 会显示一条消息。但它可能不会出现在 R2020a 中。我会试试的,然后告诉你。谢谢。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2013-01-03
  • 2014-10-03
  • 2012-04-06
  • 2019-05-02
  • 2014-01-02
  • 1970-01-01
  • 2012-02-24
相关资源
最近更新 更多