SLURM 中的工作状态

Question

我想查看我最近在集群上运行的所有作业（已完成、失败和正在运行）。我还希望看到每个工作有 1 个条目。执行sacct 将使用State: FAILED, FAILED, COMPLETED 重新运行每个作业3 行。这是什么意思？如何查看我想查看的实际信息？

我也不明白JobName 或true 是什么意思。

这是输出的副本：

   JobID    JobName  Partition    Account  AllocCPUS      State ExitCode 
 ------------ ---------- ---------- ---------- ---------- ---------- -------- 
 2160852               R   interact cluster_u+          2  COMPLETED      0:0 
 2160864               R   interact cluster_u+          2  COMPLETED      0:0 
 2161424               R   interact cluster_u+          2  COMPLETED      0:0 
 2161430               R   interact cluster_u+          0 CANCELLED+      0:0 
 2161431               R   interact cluster_u+          2  COMPLETED      0:0 
 2161668               R   interact cluster_u+          2  COMPLETED      0:9 
 2161682          myjob+    general cluster_u+          2     FAILED      1:0 
 2161682.bat+      batch            cluster_u+          1     FAILED      1:0 
 2161682.0          true            cluster_u+          1  COMPLETED      0:0 
 2161683          myjob+    general cluster_u+          2     FAILED      1:0 
 2161683.bat+      batch            cluster_u+          1     FAILED      1:0 
 2161683.0          true            cluster_u+          1  COMPLETED      0:0 

提交脚本（注意 中的值由 R 中的包 BatchJobs 处理）：

 #!/bin/bash
 #SBATCH -J <%= job.name %>            # name of the job
 #SBATCH -p general
 #SBATCH --mem <%= resources$memory %>    # Memory requirements in Kbytes
 #SBATCH -o ./logs/<%= job.name %>_log.txt    # Memory requirements in Kbytes


 eval "R --vanilla --slave < <%= rscript %>"

Answer 1

sacct 将在每个作业中打印一行，然后在该作业中每个作业步骤打印一行。

 2161683          myjob+    general cluster_u+          2     FAILED      1:0  <- the job
 2161683.bat+      batch            cluster_u+          1     FAILED      1:0  <- the batch script
 2161683.0          true            cluster_u+          1  COMPLETED      0:0  <- the R step

作业的状态为失败，因为脚本本身的状态为失败。您的脚本中有一个作业步骤，并且它正确终止。

我经常求助sacct |grep -v "^[0-9]*\."来获取工作信息。