SGE常用命令

從搭建集羣和使用集羣…
進過不少坑……
對常用命令做一下筆記…

常用查看命令

• 查看主機情況qhost -q

  BIP 正常
  E 錯誤狀態
  a 警告(a generic indicator of badness)
  u 無法連接
  d 被管理員設置無法使用

  可以通過下列方法對某個隊列上的的節點進行操作

  • 清除錯誤 qmod -c all.q@cca-train02
  • 設置節點不可用 qmod -d all.q@cca-train02
  • 設置節點可用 qmod -e all.q@cca-train02
  • 重啓節點，詳細操作見後

• 查看進程運行情況qstat -f

  狀態碼	詳細信息
  r	正在執行
  t	把節點跑死了，若長期處於 t 狀態請殺掉該進程，佔用大量資源
  s	被暫時掛起，往往是由於優先級更高的job搶佔了資源
  dr/dt	節點掛了之後，刪除任務會出現這個狀態，只有節點重啓任務纔會消失
  qw	正在等待，一旦有計算資源會馬上執行
  Eqw	job的提交產生錯誤
  hqw	該job依賴於其它正在執行的job，待前面的job執行完畢後再開始執行

  qstat -f 結果中的states

  (a)larm, (u)nreachable, (E)rror state

  (au) whenever: - A node is down - A node is hung/frozen - Network problems

  遇到錯誤狀態怎麼辦？

  • 查看某一個任務的詳細情況,找到錯誤

    qstat -j <job-id>

    qalter -w v job-id

  • 將某個隊列從錯誤狀態轉變回正常狀態

    qmod -c all.q

  • 遇到dr/dt狀態請依次嘗試下方的解決方法

    參考網址

    qdel -j <job-id>

    qdel -f <job-id>

    sudo qdel -f <job-id>

  • 重啓

    [centos]:
    cd $SGE_ROOT/default/common/
    sudo ./sgemaster start
    sudo ./sgeexecd start
    
    [linux]:
    sudo /etc/init.d/gridengine-exec stop
    

  • 問題沒有解決請百度或者谷歌

• 查看某一個任務的情況

  qstat -j <job-id>

• 查看所有用戶的任務

  qstat -u '*'

• 按照狀態對job進行查看

  • 檢查正在執行的job

    qstat -s r

  • 檢查被掛起的job

    qstat -s p

P.S. 感謝 @Leon晉 師兄滴指正 ^ ^~