<div dir="ltr"><div>Hi,</div><div><br></div><div>If you are using cgroups for task/process management, you should verify that your /etc/slurm/cgroup.conf has the following line:<br></div><div><br></div><div>ConstrainDevices=yes</div><div><br></div><div>I'm not sure about the missing environment variable, but the absence of the above in cgroup.conf is one way the GPU devices can be unconstrained in the jobs.<br></div><div><br></div><div>-Sean<br></div><div><br></div><div><br></div></div><br><div class="gmail_quote"><div dir="ltr" class="gmail_attr">On Wed, Mar 23, 2022 at 10:46 AM <<a href="mailto:taleintervenor@sjtu.edu.cn" target="_blank">taleintervenor@sjtu.edu.cn</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 lang="ZH-CN"><div><p class="MsoNormal"><span lang="EN-US">Hi, all:<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US"><u></u> <u></u></span></p><p class="MsoNormal"><span lang="EN-US">We found a problem that slurm job with argument such as <b>--gres gpu:1 </b>didn’t be restricted with gpu usage, user still can see all gpu card on allocated nodes.<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">Our gpu node has 4 cards with their gres.conf to be:<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">> cat /etc/slurm/gres.conf<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">Name=gpu Type=NVlink_A100_40GB File=/dev/nvidia0 CPUs=0-15<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">Name=gpu Type=NVlink_A100_40GB File=/dev/nvidia1 CPUs=16-31<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">Name=gpu Type=NVlink_A100_40GB File=/dev/nvidia2 CPUs=32-47<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">Name=gpu Type=NVlink_A100_40GB File=/dev/nvidia3 CPUs=48-63<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US"><u></u> <u></u></span></p><p class="MsoNormal"><span lang="EN-US">And for test, we submit simple job batch like:<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">#!/bin/bash<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">#SBATCH --job-name=test<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">#SBATCH --partition=a100<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">#SBATCH --nodes=1<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">#SBATCH --ntasks=6<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">#SBATCH --gres=gpu:1<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">#SBATCH --reservation="gpu test"<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">hostname<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">nvidia-smi<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US">echo end<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US"><u></u> <u></u></span></p><p class="MsoNormal"><span lang="EN-US">Then in the out file the nvidia-smi showed all 4 gpu cards. But we expect to see only 1 allocated gpu card.<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US"><u></u> <u></u></span></p><p class="MsoNormal"><span lang="EN-US">Official document of slurm said it will set <b>CUDA_VISIBLE_DEVICES </b>env var to restrict the gpu card available to user. But we didn’t find such variable exists in job environment. We only confirmed it do exist in prolog script environment by adding debug command “echo $CUDA_VISIBLE_DEVICES” to slurm prolog script.<u></u><u></u></span></p><p class="MsoNormal"><span lang="EN-US"><u></u> <u></u></span></p><p class="MsoNormal"><span lang="EN-US">So how do slurm co-operate with nvidia tools to make job user only see its allocated gpu card? What is the requirement on nvidia gpu drivers, CUDA toolkit or any other part to help slurm correctly restrict the gpu usage?<u></u><u></u></span></p></div></div></blockquote></div>