如何在 SLURM 的数组作业中获取失败和已完成作业的计数答案

【问题标题】：How to get count of failed and completed jobs in an array job of SLURM如何在 SLURM 的数组作业中获取失败和已完成作业的计数
【发布时间】：2022-01-14 20:58:03
【问题描述】：

我正在使用 slurm 运行多个阵列作业。对于给定的数组作业 ID，比如说 885881，我想列出失败和完成的作业数。像这样的：

输入：

<some-command> -j 885881

输出：假设数组中有 200 个作业。

count | status
120   | failed
80    | completed

其次，如果我能获得任务失败的唯一原因列表，那就太好了。

输入：

`<some-command> -j 885881`

输出：

count | reason
80    | OUT_OF_MEMORY
40    | TIMED_OUT

我相信sacct 命令可以用来以某种方式获得这些结果，但不确定如何。

【问题讨论】：

标签： slurm sbatch

【解决方案1】：

使用这样的单行，您可以同时获取两种信息

$ sacct -n -X -j 885881 -o state%20 | sort | uniq -c
     16            COMPLETED
     99               FAILED
     32        OUT_OF_MEMORY
      1              PENDING

sacct 命令挖掘会计信息。 -n -X 参数用于简化输出并减少不必要的行数，-o 参数仅要求显示 STATE 列。然后将输出输入到执行计数的sort 和uniq 命令中。

如果你真的需要两个单独的命令，你可以很容易地适应上面的单行。您可以将其设为脚本或 Bash 函数以方便使用。

如果您想要更详细的解决方案，可以查看smanage

【讨论】：