<html xmlns:v="urn:schemas-microsoft-com:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:w="urn:schemas-microsoft-com:office:word" xmlns:m="http://schemas.microsoft.com/office/2004/12/omml" xmlns="http://www.w3.org/TR/REC-html40"><head><META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=us-ascii"><meta name=Generator content="Microsoft Word 15 (filtered medium)"><style><!--
/* Font Definitions */
@font-face
        {font-family:"Cambria Math";
        panose-1:2 4 5 3 5 4 6 3 2 4;}
@font-face
        {font-family:Calibri;
        panose-1:2 15 5 2 2 2 4 3 2 4;}
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
        {margin:0in;
        margin-bottom:.0001pt;
        font-size:11.0pt;
        font-family:"Calibri",sans-serif;}
a:link, span.MsoHyperlink
        {mso-style-priority:99;
        color:#0563C1;
        text-decoration:underline;}
a:visited, span.MsoHyperlinkFollowed
        {mso-style-priority:99;
        color:#954F72;
        text-decoration:underline;}
span.EmailStyle17
        {mso-style-type:personal-compose;
        font-family:"Calibri",sans-serif;}
.MsoChpDefault
        {mso-style-type:export-only;
        font-family:"Calibri",sans-serif;}
@page WordSection1
        {size:8.5in 11.0in;
        margin:1.0in 1.0in 1.0in 1.0in;}
div.WordSection1
        {page:WordSection1;}
--></style><!--[if gte mso 9]><xml>
<o:shapedefaults v:ext="edit" spidmax="1026" />
</xml><![endif]--><!--[if gte mso 9]><xml>
<o:shapelayout v:ext="edit">
<o:idmap v:ext="edit" data="1" />
</o:shapelayout></xml><![endif]--></head><body lang=EN-US link="#0563C1" vlink="#954F72"><div class=WordSection1><p class=MsoNormal>Hi –<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>I have the following on a new cluster with OpenHPC & Slurm built off the latest recipe and packages from OpenHPC (built this week).<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>One master node and 4 compute nodes.<o:p></o:p></p><p class=MsoNormal>NodeName=c[1-4] Sockets=2 CoresPerSocket=10 ThreadsPerCore=1 State=UNKNOWN<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>With simple test scripts, sbatch produces the following error when running across more than one node –<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>The batch script is –<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>#!/bin/bash<o:p></o:p></p><p class=MsoNormal>srun hostname<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>$ sbatch -N4 -n4 hostname.sh<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Out file --<o:p></o:p></p><p class=MsoNormal>c1<o:p></o:p></p><p class=MsoNormal>srun: error: Task launch for 151.0 failed on node c4: Socket timed out on send/recv operation<o:p></o:p></p><p class=MsoNormal>srun: error: Task launch for 151.0 failed on node c3: Socket timed out on send/recv operation<o:p></o:p></p><p class=MsoNormal>srun: error: Task launch for 151.0 failed on node c2: Socket timed out on send/recv operation<o:p></o:p></p><p class=MsoNormal>srun: error: Application launch failed: Socket timed out on send/recv operation<o:p></o:p></p><p class=MsoNormal>srun: Job step aborted: Waiting up to 32 seconds for job step to finish.<o:p></o:p></p><p class=MsoNormal>srun: error: Timed out waiting for job step to complete<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Searching on this discovers a lot of info about large jobs and starting a lot of tasks really quickly with some timeout and large cluster setting recommendations. BUT I’m running four tasks that are just ‘hostname’!<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>AND   If I just execute command line srun it works across the nodes<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>$ srun -N4 -n4 hostname<o:p></o:p></p><p class=MsoNormal>c1<o:p></o:p></p><p class=MsoNormal>c2<o:p></o:p></p><p class=MsoNormal>c3<o:p></o:p></p><p class=MsoNormal>c4<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Also, if I sbatch 20 tasks on one node max, it launches them fine. But 21 tasks (which tries to launch on two nodes) works on the c1 node (with 20 lines of output) and fails on the 21<sup>st</sup> task on c2 –<o:p></o:p></p><p class=MsoNormal>c1<o:p></o:p></p><p class=MsoNormal>c1<o:p></o:p></p><p class=MsoNormal>c1<o:p></o:p></p><p class=MsoNormal>... (17 more)<o:p></o:p></p><p class=MsoNormal>srun: error: Task launch for 156.0 failed on node c2: Socket timed out on send/recv operation<o:p></o:p></p><p class=MsoNormal>srun: error: Application launch failed: Socket timed out on send/recv operation<o:p></o:p></p><p class=MsoNormal>srun: Job step aborted: Waiting up to 32 seconds for job step to finish.<o:p></o:p></p><p class=MsoNormal>srun: error: Timed out waiting for job step to complete<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Maybe I completely don’t get sbatch options/params (I’m using defaults). BUT I’m attempting the simplest thing I could think of just to test this out.<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Trying another approach to test, a script that uses a job array and runs 32 copies of a simple python script (so there’s no srun in the batch script) appears to work properly and utilizes all the nodes. But sbatch a script with srun in the script gives the errors.<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Really hoping this is something obvious that as a noob to OpenHPC and Slurm I’m getting wrong.<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Thanks in advance for any pointers or answers!<o:p></o:p></p><p class=MsoNormal><o:p> </o:p></p><p class=MsoNormal>Ken<o:p></o:p></p></div></body></html>