SGE常用命令

从搭建集群和使用集群…
进过不少坑……
对常用命令做一下笔记…

常用查看命令

• 查看主机情况qhost -q

  BIP 正常
  E 错误状态
  a 警告(a generic indicator of badness)
  u 无法连接
  d 被管理员设置无法使用

  可以通过下列方法对某个队列上的的节点进行操作

  • 清除错误 qmod -c all.q@cca-train02
  • 设置节点不可用 qmod -d all.q@cca-train02
  • 设置节点可用 qmod -e all.q@cca-train02
  • 重启节点，详细操作见后

• 查看进程运行情况qstat -f

  状态码	详细信息
  r	正在执行
  t	把节点跑死了，若长期处于 t 状态请杀掉该进程，占用大量资源
  s	被暂时挂起，往往是由于优先级更高的job抢占了资源
  dr/dt	节点挂了之后，删除任务会出现这个状态，只有节点重启任务才会消失
  qw	正在等待，一旦有计算资源会马上执行
  Eqw	job的提交产生错误
  hqw	该job依赖于其它正在执行的job，待前面的job执行完毕后再开始执行

  qstat -f 结果中的states

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

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

  遇到错误状态怎么办？

  • 查看某一个任务的详细情况,找到错误

    qstat -j <job-id>

    qalter -w v job-id

  • 将某个队列从错误状态转变回正常状态

    qmod -c all.q

  • 遇到dr/dt状态请依次尝试下方的解决方法

    参考网址

    qdel -j <job-id>

    qdel -f <job-id>

    sudo qdel -f <job-id>

  • 重启

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

  • 问题没有解决请百度或者谷歌

• 查看某一个任务的情况

  qstat -j <job-id>

• 查看所有用户的任务

  qstat -u '*'

• 按照状态对job进行查看

  • 检查正在执行的job

    qstat -s r

  • 检查被挂起的job

    qstat -s p

P.S. 感谢 @Leon晋 师兄滴指正 ^ ^~