<html><head></head><body><div class="ydpd59cbd22yahoo-style-wrap" style="font-family:Helvetica Neue, Helvetica, Arial, sans-serif;font-size:13px;"><div></div>
        <div><div><div dir="ltr" data-setdir="false">Well it looks like it it does fail as often as it works.</div><div dir="ltr" data-setdir="false"><br></div><div dir="ltr" data-setdir="false"><div>srun --mpi=pmix -n1 -wporthos : -n1 -wathos ./hello</div><div>srun: job 681 queued and waiting for resources</div><div>srun: job 681 has been allocated resources</div><div>slurmstepd: error: athos [0] pmixp_coll_ring.c:613 [pmixp_coll_ring_check] mpi/pmix: ERROR: 0x153ab0017e00: unexpected contrib from athos:0, expected is 1</div><div>slurmstepd: error: athos [0] pmixp_server.c:930 [_process_server_request] mpi/pmix: ERROR: 0x153ab0017e00: unexpected contrib from athos:0, coll->seq=0, seq=0</div><div>slurmstepd: error: porthos [1] pmixp_coll_ring.c:613 [pmixp_coll_ring_check] mpi/pmix: ERROR: 0x146fdc016bd0: unexpected contrib from porthos:1, expected is 0</div><div>slurmstepd: error: porthos [1] pmixp_server.c:930 [_process_server_request] mpi/pmix: ERROR: 0x146fdc016bd0: unexpected contrib from porthos:1, coll->seq=0, seq=0</div><div><br style="color: rgb(229, 224, 216); font-family: Helvetica Neue, Helvetica, Arial, sans-serif; --darkreader-inline-color:#dfdbd1;" data-darkreader-inline-color=""></div></div></div><br></div><div><br></div>
        
        </div><div id="yahoo_quoted_3444529380" class="yahoo_quoted">
            <div style="font-family:'Helvetica Neue', Helvetica, Arial, sans-serif;font-size:13px;color:#26282a;">
                
                <div>
                    On Tuesday, July 16, 2019, 09:49:59 AM EDT, Mehlberg, Steve <steve.mehlberg@atos.net> wrote:
                </div>
                <div><br></div>
                <div><br></div>
                <div><div id="yiv2666596063">

 
 
<style><!--
#yiv2666596063  
 _filtered #yiv2666596063 {font-family:"Cambria Math";panose-1:2 4 5 3 5 4 6 3 2 4;}
 _filtered #yiv2666596063 {font-family:Calibri;panose-1:2 15 5 2 2 2 4 3 2 4;}
#yiv2666596063  
#yiv2666596063 p.yiv2666596063MsoNormal, #yiv2666596063 li.yiv2666596063MsoNormal, #yiv2666596063 div.yiv2666596063MsoNormal
        {margin:0in;margin-bottom:.0001pt;font-size:11.0pt;font-family:"Calibri", sans-serif;}
#yiv2666596063 a:link, #yiv2666596063 span.yiv2666596063MsoHyperlink
        {color:blue;text-decoration:underline;}
#yiv2666596063 a:visited, #yiv2666596063 span.yiv2666596063MsoHyperlinkFollowed
        {color:purple;text-decoration:underline;}
#yiv2666596063 span.yiv2666596063EmailStyle17
        {font-family:"Calibri", sans-serif;color:windowtext;}
#yiv2666596063 .yiv2666596063MsoChpDefault
        {font-family:"Calibri", sans-serif;}
 _filtered #yiv2666596063 {margin:1.0in 1.0in 1.0in 1.0in;}
#yiv2666596063 div.yiv2666596063WordSection1
        {}
--></style>

<div>
<div class="yiv2666596063WordSection1">
<p class="yiv2666596063MsoNormal">Has anyone been able to run an MPI job using PMIX and heterogeneous jobs successfully with 19.05 (or even 18.08)?  I can run without heterogeneous jobs but get all sorts of errors when I try and split the job up. 
</p> 
<p class="yiv2666596063MsoNormal">I haven’t used MPI/PMIX much so maybe I’m missing something?  Any ideas? 
</p> 
<p class="yiv2666596063MsoNormal">  </p> 
<p class="yiv2666596063MsoNormal"><span lang="ES">[slurm@trek8 mpihello]$ sinfo -V</span></p> 
<p class="yiv2666596063MsoNormal"><span lang="ES">slurm 19.05.1</span></p> 
<p class="yiv2666596063MsoNormal"><span lang="ES">  </span></p> 
<p class="yiv2666596063MsoNormal">[slurm@trek8 mpihello]$ which mpicc</p> 
<p class="yiv2666596063MsoNormal">/opt/openmpi/4.0.1/bin/mpicc</p> 
<p class="yiv2666596063MsoNormal"></p> 
<p class="yiv2666596063MsoNormal"><span lang="ES">[slurm@trek8 mpihello]$ sudo yum list pmix</span></p> 
<p class="yiv2666596063MsoNormal">Loaded plugins: langpacks, product-id, search-disabled-repos, subscription-manager</p> 
<p class="yiv2666596063MsoNormal">Installed Packages</p> 
<p class="yiv2666596063MsoNormal">pmix.x86_64                       3.1.2rc1.debug-1.el7                       installed
</p> 
<p class="yiv2666596063MsoNormal">  </p> 
<p class="yiv2666596063MsoNormal"><span lang="ES">[slurm@trek8 mpihello]$ mpicc mpihello.c -o mpihh</span></p> 
<p class="yiv2666596063MsoNormal"><span lang="ES">  </span></p> 
<p class="yiv2666596063MsoNormal"><span lang="ES">[slurm@trek8 mpihello]$ srun -w trek[8-12] -n5 --mpi=pmix mpihh | sort</span></p> 
<p class="yiv2666596063MsoNormal">Hello world, I am 0 of 5 - running on trek8</p> 
<p class="yiv2666596063MsoNormal">Hello world, I am 1 of 5 - running on trek9</p> 
<p class="yiv2666596063MsoNormal">Hello world, I am 2 of 5 - running on trek10</p> 
<p class="yiv2666596063MsoNormal">Hello world, I am 3 of 5 - running on trek11</p> 
<p class="yiv2666596063MsoNormal">Hello world, I am 4 of 5 - running on trek12</p> 
<p class="yiv2666596063MsoNormal">  </p> 
<p class="yiv2666596063MsoNormal">[slurm@trek8 mpihello]$ srun -w trek8 --mpi=pmix : -w trek9 mpihh</p> 
<p class="yiv2666596063MsoNormal">srun: job 753 queued and waiting for resources</p> 
<p class="yiv2666596063MsoNormal">srun: job 753 has been allocated resources</p> 
<p class="yiv2666596063MsoNormal">srun: error: (null) [0] mpi_pmix.c:228 [p_mpi_hook_client_prelaunch] mpi/pmix: ERROR: ot create process mapping</p> 
<p class="yiv2666596063MsoNormal">srun: error: Application launch failed: MPI plugin's pre-launch setup failed</p> 
<p class="yiv2666596063MsoNormal">srun: Job step aborted: Waiting up to 32 seconds for job step to finish.</p> 
<p class="yiv2666596063MsoNormal">srun: error: Timed out waiting for job step to complete</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_utils.c:457 [pmixp_p2p_send] mpi/pmix: ERROR: send ed, rc=2, exceeded the retry limit</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_server.c:1493 [_slurm_send] mpi/pmix: ERROR: Cannotd message to /var/tmp/sgm-slurm/slurmd.spool/stepd.slurm.pmix.753.0, size = 649, hostl</p> 
<p class="yiv2666596063MsoNormal">(null)</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:738 [pmixp_coll_ring_reset_if_to] mpi/p ERROR: 0x7f4f5c016050: collective timeout seq=0</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll.c:281 [pmixp_coll_log] mpi/pmix: ERROR: Dumpinllective state</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:756 [pmixp_coll_ring_log] mpi/pmix: ERR0x7f4f5c016050: COLL_FENCE_RING state seq=0</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:758 [pmixp_coll_ring_log] mpi/pmix: ERRmy peerid: 0:trek8</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:765 [pmixp_coll_ring_log] mpi/pmix: ERRneighbor id: next 1:trek9, prev 1:trek9</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:775 [pmixp_coll_ring_log] mpi/pmix: ERRContext ptr=0x7f4f5c0160d0, #0, in-use=0</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:775 [pmixp_coll_ring_log] mpi/pmix: ERRContext ptr=0x7f4f5c016108, #1, in-use=0</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:775 [pmixp_coll_ring_log] mpi/pmix: ERRContext ptr=0x7f4f5c016140, #2, in-use=1</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:786 [pmixp_coll_ring_log] mpi/pmix: ERR seq=0 contribs: loc=1/prev=0/fwd=1</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:788 [pmixp_coll_ring_log] mpi/pmix: ERR neighbor contribs [2]:</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:821 [pmixp_coll_ring_log] mpi/pmix: ERR done contrib: -</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:823 [pmixp_coll_ring_log] mpi/pmix: ERR wait contrib: trek9</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:825 [pmixp_coll_ring_log] mpi/pmix: ERR status=PMIXP_COLL_RING_PROGRESS</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_ring.c:829 [pmixp_coll_ring_log] mpi/pmix: ERR buf (offset/size): 553/1659</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1317 [pmixp_coll_tree_reset_if_to] mpi/: ERROR: 0x7f4f5c01eb90: collective timeout seq=0</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll.c:281 [pmixp_coll_log] mpi/pmix: ERROR: Dumpinllective state</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1336 [pmixp_coll_tree_log] mpi/pmix: ER 0x7f4f5c01eb90: COLL_FENCE_TREE state seq=0 contribs: loc=1/prnt=0/child=0</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1338 [pmixp_coll_tree_log] mpi/pmix: ER my peerid: 0:trek8</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1341 [pmixp_coll_tree_log] mpi/pmix: ER root host: 0:trek8</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1355 [pmixp_coll_tree_log] mpi/pmix: ER child contribs [1]:</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1382 [pmixp_coll_tree_log] mpi/pmix: ER         done contrib: -</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1384 [pmixp_coll_tree_log] mpi/pmix: ER         wait contrib: trek9</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1391 [pmixp_coll_tree_log] mpi/pmix: ER status: coll=COLL_COLLECT upfw=COLL_SND_NONE dfwd=COLL_SND_NONE</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1393 [pmixp_coll_tree_log] mpi/pmix: ER dfwd status: dfwd_cb_cnt=0, dfwd_cb_wait=0</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_coll_tree.c:1396 [pmixp_coll_tree_log] mpi/pmix: ER bufs (offset/size): upfw 91/16415, dfwd 64/16415</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: trek8 [0] pmixp_dmdx.c:466 [pmixp_dmdx_timeout_cleanup] mpi/pmix: E: timeout: ns=slurm.pmix.753.0, rank=1, host=trek9, ts=1563206701</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] pml_ucx.c:176  Error: Failed to receive UCX worker address: Not found (-</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] pml_ucx.c:447  Error: Failed to resolve UCX endpoint for rank 1</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] *** An error occurred in MPI_Barrier</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] *** reported by process [1543534944,0]</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] *** on communicator MPI_COMM_WORLD</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] *** MPI_ERR_OTHER: known error not in list</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] *** MPI_ERRORS_ARE_FATAL (processes in this communicator will now abort,</p> 
<p class="yiv2666596063MsoNormal">[trek8:23061] ***    and potentially your MPI job)</p> 
<p class="yiv2666596063MsoNormal">slurmstepd: error: *** STEP 753.0 ON trek8 CANCELLED AT 2019-07-15T09:05:01 ***</p> 
<p class="yiv2666596063MsoNormal">srun: Job step aborted: Waiting up to 32 seconds for job step to finish.</p> 
<p class="yiv2666596063MsoNormal">srun: error: trek8: task 0: Exited with exit code 16</p> 
<p class="yiv2666596063MsoNormal">[slurm@trek8 mpihello]$</p> 
</div>
</div>
</div></div>
            </div>
        </div></body></html>