测验：Slurm 故障诊断

Munge decode failed: Expired credential 的原因和对策是？

• 节点时钟不一致——检查 NTP 同步
• 密钥不一致——重新部署密钥文件
• 权限问题——修正 munge.key 权限
• 网络问题——开放防火墙

节点状态 inval 表示什么？

• 配置的资源信息与节点报告的实际值不一致
• 节点无响应
• 管理员手工排除了节点
• 报告了硬件故障

作业在 squeue 中因 PartitionTimeLimit 等待。继续等会运行吗？

• 永远不会运行，必须修正请求时间后重新提交
• 资源空闲后运行
• 优先级提高后运行
• 下个调度周期运行

为什么 sinfo -R 很有用？

• 一览节点资源详情
• 同时显示整个作业队列
• 同时显示完整分区配置
• 只显示 DRAIN/DOWN 节点及其原因字符串

修改配置文件后必须做什么？

• 只重启 slurmctld
• 逐一重启所有计算节点
• 向所有节点部署同一文件并执行 scontrol reconfigure
• 取消所有运行中作业

修复原因后，用什么命令恢复 DRAIN 节点？

• scontrol reconfigure
• scontrol update NodeName=... State=RESUME
• sinfo -R
• systemctl restart slurmd