<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=Windows-1252">
<style type="text/css">html { -webkit-text-size-adjust: none; -webkit-touch-callout: none;}</style>
</head>
<body style="margin-top: 8px;">
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
Hi, </div>
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
Thank you for your quick answer! </div>
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
I’ll look into that, but they share the same hosts-file and the DHCP-server sets their hostname.
</div>
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
<br>
</div>
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
However I came across a setting in the slurm.conf-file ”Tmpfs” and there were a note regarding it in the guide of mpi at the slurms webpage. I implemented the proposed changes but still no luck.
</div>
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
<br>
</div>
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
Best regards, </div>
<div dir="ltr" style="font-size:11.0pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black;">
Palle <br>
<br>
<hr>
<b>From:</b> "slurm-users" <slurm-users-bounces@lists.schedmd.com> <br>
<b>Sent:</b> 16 juli 2019 12:32 <br>
<b>To:</b> "Slurm User Community List" <slurm-users@lists.schedmd.com> <br>
<b>Subject:</b> Re: [slurm-users] Running pyMPI on several nodes <br>
<br>
</div>
<div dir="ltr">
<div>srun: error: Application launch failed: Invalid node name specified <br>
</div>
<div><br>
</div>
<div>Hearns Law. All batch system problems are DNS problems.  </div>
<div><br>
</div>
<div>Seriously though - check out your name resolution both on the head node and the compute nodes.
</div>
<div><br>
</div>
</div>
<br>
<div class="gmail_quote">
<div dir="ltr" class="gmail_attr">On Tue, 16 Jul 2019 at 08:49, Pär Lundö < <a href="mailto:par.lundo@foi.se">
par.lundo@foi.se</a>> wrote: <br>
</div>
<blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">
<div bgcolor="#FFFFFF">
<p>Hi,</p>
<p>I have now had the time to look at some of your suggestions.</p>
<p>First I tried running "srun -N1 hostname" via a sbatch-script, while having two nodes up and running.
<br>
"sinfo" yields that two nodes are up and idle prior to submitting the sbatch-script.<br>
After submitting the job, I receive an error stating that:</p>
<p>"srun: error: Task launch for 86.0 failed on node lxclient11: Invalid node name specified.<br>
srun: error: Application launch failed: Invalid node name specified<br>
srun: Job step aborted: Waiting up to 32 seconds for job step to finish.<br>
srun: error: TImed out waiting for job step to complete"</p>
<p><br>
</p>
<p>From the log file at the client I get a more detailed error:<br>
" Launching batch job 86 for UID 1000 <br>
[86.batch] error: Invalid host_index -1 for job 86<br>
[86.batch] error: Host lxclient10 not in hostlist lxclient11<br>
[86.batch] task_pre_launch: Using sched_affinity for tasks<br>
rpc_launch_tasks: Invalid node list (lxclient10 not in lxclient11)"<br>
</p>
<p>My two nodes are called lxclient10 and lxclient11.<br>
Why is my batch job launched with the UID 1000, shouldnt it be launched via the slurm-user (which in my case has the UID 64030)?
<br>
What is meant by that the different nodes are not in the nodeslist? <br>
The two nodes and the server share the same setup of IP-addresses in the "/etc/hosts"-file.</p>
<p>-> This was resolved due to that lxclient10 was noted as down. Getting it back up, the submitting of the same sbatch-script, resulted in no error.<br>
However running it on two nodes I get an error <br>
"srun: error: Job Step 88.0 aborted before step completely launched.<br>
srun: error: Job step aborted: Waiting up to 32 seconds for job step to finish.<br>
srun: error: task 1 launched failed: Unspecifed error<br>
srun: error: lxclient10: task 0: Killed"</p>
<p>And in the slurmctld.log-file from the client I get an error similiar to that prevously stated, that the pmix cannot bind UNIX socket /var/spool/slurmd/stepd.slurm.pmix.88.0: Address already in use (98)</p>
<p>I ran the lsof command, but I dont really know what I am looking after, I can see if I grep with the different nodenames that the two nodes have mounted the nfs-partition and that a link is established.</p>
<p>"As an aside, you have checked that your username exists on that compue server?      getent passwd par<br>
Also that your home directory is mounted - or something substituting for your home directory?"<br>
Yes, the user slurm exists on both nodes and have the same uid.<br>
<br>
"Have you tried <br>
<br>
<br>
        srun -N# -n# mpirun python3 .... <br>
<br>
<br>
Perhaps you have no MPI environment being setup for the processes?  There was no "--mpi" flag in your "srun" command and we don't know if you have a default value for that or not.
<br>
</p>
"
<p>In my slurm.conf-file I do specify that "MpiDefault=pmix" (And it can be seen in the logfile that there is something wrong with pmix, that the address already in use.)<br>
</p>
<p>One thing that struck my mind now is that I run these nodes as a pair of diskless nodes, whom boots and mounts the same filesystem which is supplied by a server. The run differen pids for different processes which should not affect one another(?), right?</p>
<p><br>
</p>
<p>Best regards,</p>
<p>Palle<br>
</p>
<div class="gmail-m_5257842815186023450moz-cite-prefix">On 2019-07-12 19:34, Pär Lundö wrote:
<br>
</div>
<blockquote>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
Hi, </div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
<br>
</div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
Thank you so much for your quick responses! </div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
It is much appreciated. </div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
I dont have access to the cluster until next week, but I’ll be sure to follow up on all of your suggestions and get back you next week.
</div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
<br>
</div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
Have a nice weekend! </div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
Best regards </div>
<div dir="ltr" style="font-size:11pt;font-family:Calibri,Tahoma,Arial,Helvetica,sans-serif;color:black">
Palle <br>
<br>
<hr>
<b>From:</b> "slurm-users" <a class="gmail-m_5257842815186023450moz-txt-link-rfc2396E" href="mailto:slurm-users-bounces@lists.schedmd.com" target="_blank">
<slurm-users-bounces@lists.schedmd.com></a> <br>
<b>Sent:</b> 12 juli 2019 17:37 <br>
<b>To:</b> "Slurm User Community List" <a class="gmail-m_5257842815186023450moz-txt-link-rfc2396E" href="mailto:slurm-users@lists.schedmd.com" target="_blank">
<slurm-users@lists.schedmd.com></a> <br>
<b>Subject:</b> Re: [slurm-users] Running pyMPI on several nodes <br>
<br>
</div>
<div dir="ltr">
<div>Par, by 'poking around' Crhis means to use tools such as netstat and lsof. </div>
<div>Also I would look as ps -eaf --forest to make sure there are no 'orphaned' jusbs sitting on that compute node.
</div>
<div><br>
</div>
<div>Having said that though, I have a dim memory of a classic PBSPro error message which says something about a network connection,
</div>
<div>but really means that you cannot open a remote session on that compute server.
</div>
<div><br>
</div>
<div>As an aside, you have checked that your username exists on that compue server?      getent passwd par   
</div>
<div>Also that your home directory is mounted - or something substituting for your home directory?
</div>
<div><br>
</div>
</div>
<br>
<div class="gmail_quote">
<div class="gmail_attr" dir="ltr">On Fri, 12 Jul 2019 at 15:55, Chris Samuel < <a href="mailto:chris@csamuel.org" target="_blank">
chris@csamuel.org</a>> wrote: <br>
</div>
<blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;padding-left:1ex;border-left:1px solid rgb(204,204,204)">
On 12/7/19 7:39 am, Pär Lundö wrote: <br>
<br>
> Presumably, the first 8 tasks originates from the first node (in this <br>
> case the lxclient11), and the other node (lxclient10) response as <br>
> predicted. <br>
<br>
That looks right, it seems the other node has two processes fighting <br>
over the same socket and that's breaking Slurm there. <br>
<br>
> Is it neccessary to have passwordless ssh communication alongside the <br>
> munge authentication? <br>
<br>
No, srun doesn't need (or use) that at all. <br>
<br>
> In addition I checked the slurmctld-log from both the server and client <br>
> and found something (noted in bold): <br>
<br>
This is from the slurmd log on the client from the look of it. <br>
<br>
> *[2019-07-12T14:57:53.771][83.0] task_p_pre_launch: Using sched affinity <br>
> for tasks lurm.pmix.83.0: Address already in use[98]* <br>
> [2019-07-12T14:57:53.682][83.0] error: lxclient[0] /pmix.server.c:386 <br>
> [pmix_stepd_init] mpi/pmix: ERROR: pmixp_usock_create_srv <br>
> [2019-07-12T14:57:53.683][83.0] error: (null) [0] /mpi_pmix:156 <br>
> [p_mpi_hook_slurmstepd_prefork] mpi/pmix: ERROR: pmixp_stepd_init() failed <br>
<br>
That indicates that something else has grabbed the socket it wants and <br>
that's why the setup of the MPI ranks on the second node fails. <br>
<br>
You'll want to poke around there to see what's using it. <br>
<br>
Best of luck! <br>
Chris <br>
-- <br>
  Chris Samuel  :  <a href="http://www.csamuel.org/" rel="noreferrer" target="_blank">
http://www.csamuel.org/</a>  :  Berkeley, CA, USA <br>
<br>
</blockquote>
</div>
</blockquote>
<pre class="gmail-m_5257842815186023450moz-signature">-- 
Hälsningar, Pär
________________________________
Pär Lundö 
Forskare
Avdelningen för Ledningssystem 

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm 

Besöksadress:
Olau Magnus väg 33, Linköping


Tel: <a dir="ltr" href="tel:+46%2013%2037%2086%2001" x-apple-data-detectors="true" x-apple-data-detectors-type="telephone" x-apple-data-detectors-result="13">+46 13 37 86 01</a>
Mob: <a dir="ltr" href="tel:+46%20734%20447%20815" x-apple-data-detectors="true" x-apple-data-detectors-type="telephone" x-apple-data-detectors-result="14/0">+46 734 447 815</a>
Vxl: <a dir="ltr" href="tel:+46%2013%2037%2080%2000" x-apple-data-detectors="true" x-apple-data-detectors-type="telephone" x-apple-data-detectors-result="14/1">+46 13 37 80 00</a>
<a class="gmail-m_5257842815186023450moz-txt-link-abbreviated" href="mailto:par.lundo@foi.se" target="_blank">par.lundo@foi.se</a>
<a class="gmail-m_5257842815186023450moz-txt-link-abbreviated" href="http://www.foi.se" target="_blank">www.foi.se</a></pre>
</div>
</blockquote>
</div>
</body>
</html>