【问题标题】:Condor is not running on all available machines/processorsCondor 没有在所有可用的机器/处理器上运行
【发布时间】:2018-06-21 06:07:01
【问题描述】:

condor_status 显示总共有 470 个可用,298 个无人认领,但我的工作一次只有 172 个在运行。无论我尝试提交多少次作业,我仍然只能得到 172。如果我更改“套接字”,我会得到更多或更少,但永远不会接近可用的 470。

我的要求很简单,每台机器都应该满足这些标准:

requirements = (((Target.OpSys=="WINDOWS") || (Target.OpSys=="WINNT61")) && (Target.Arch=="X86_64"))

我检查了日志文件,似乎有足够的磁盘空间和内存供我所有的运行使用,我看不到任何东西似乎限制了作业。对我来说唯一可疑的是,对于不运行的作业,分配的磁盘和内存比使用的要多得多,而且 cpu 似乎从未使用过。

(1) Normal termination (return value -1073741515)
    Usr 0 00:00:01, Sys 0 00:00:00  -  Run Remote Usage
    Usr 0 00:00:00, Sys 0 00:00:00  -  Run Local Usage
    Usr 0 00:00:01, Sys 0 00:00:00  -  Total Remote Usage
    Usr 0 00:00:00, Sys 0 00:00:00  -  Total Local Usage
1047  -  Run Bytes Sent By Job
92422376  -  Run Bytes Received By Job
1047  -  Total Bytes Sent By Job
92422376  -  Total Bytes Received By Job
Partitionable Resources :    Usage  Request Allocated
   Cpus                 :                 1         1
   Disk (KB)            :   428810   400000 117456696
   Memory (MB)          :       19      400      2042

对于可以运行的作业,它们通常使用

368  -  MemoryUsage of job (MB)
376144  -  ResidentSetSize of job (KB)

关于什么可能限制我可以运行的进程数量的任何线索?

【问题讨论】:

    标签: condor


    【解决方案1】:

    从秃鹰的角度来看,如果你在工作日志中看到这样的条目

    (1) Normal termination (return value -1073741515) 
        Usr 0 00:00:01, Sys 0 00:00:00  -  Run Remote Usage
        Usr 0 00:00:00, Sys 0 00:00:00  -  Run Local Usage
        Usr 0 00:00:01, Sys 0 00:00:00  -  Total Remote Usage
        Usr 0 00:00:00, Sys 0 00:00:00  -  Total Local Usage
    

    这意味着 Condor 启动了作业,并且作业退出(即“正常终止”消息)并带有一些退出代码。在这种情况下,退出代码 -1073741515 是十六进制的 0xC0000135。这是一个特殊的 Windows 退出代码,意味着缺少 DLL。此应用程序是否需要预装在您的某些机器上而不是其他机器上的 DLL?

    【讨论】:

    • 我认为此应用程序不需要缺少的 DLL。使用一个端口时我可以获得 170,使用另一个端口时可以获得 220(即,如果没有 DLL,那些额外的 50 也无法运行,对吧?)
    • 这些不运行程序的“正常终止”在它开始“在主机上执行”后 7 到 10 秒发生。如果在指定时间内没有发生特定的事情,是否有可能导致工作终止的 condor 设置?例如,我传输一个 zip 文件并解压缩,这可能需要一段时间。 07/12 10:04:07 在主机上执行的作业:07/12 10:04:14 已更新作业的图像大小:19260 0 - 作业的 MemoryUsage (MB) 0 - 作业的 ResidentSetSize (KB) 07/12 10:04 :14 作业终止。 (1) 正常终止(返回值-1073741515)
    • 返回值为 -1073741515 的作业是否总是发生在同一台机器上?这是一个非常明确的证据,表明二进制文件缺少一个 dll,要么是它希望找到的预安装在机器上的一个,要么是它自带的。
    • Mike Fienen 让我明白了。问题是我正在使用的特定版本的软件中缺少 DLL,但行为很神秘……有些机器有时运行良好,但同一台机器有时会出现 1073741515 失败。我正在使用另一个版本的软件,我得到了所有请求的内核。谢谢。
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2021-07-04
    • 1970-01-01
    • 2021-02-01
    • 1970-01-01
    • 2012-05-06
    • 2014-02-01
    • 2018-07-05
    相关资源
    最近更新 更多