首页 >弹性高性能计算E-HPC >常见问题

常见问题

本文汇总了使用E-HPC时的常见问题。

为什么某些地域无法创建E-HPC集群？

在E-HPC支持的地域和可用区下，不能创建E-HPC集群。可能原因如下：

  • 该地域不支持创建NAS，或NAS文件系统的库存不足，E-HPC集群无法挂载共享存储。

  • 该地域和可用区没有符合E-HPC集群计算节点配置的ECS规格，或ECS规格的库存不足。

建议您选择其它地域创建集群。

可以使用ECS管理控制台对E-HPC集群节点进行操作吗？

不可以。

E-HPC集群节点是基于ECS实例组建，但E-HPC控制台提供了额外的部署流程，包括且不限于以下流程：

  • E-HPC帮助您按节点配比和指定实例规格配置集群节点，为各类节点批量创建ECS实例。

  • E-HPC创建各个节点对应的ECS实例后，会进一步部署管控系统。

  • E-HPC通过管控系统为您在ECS实例上预装选定的软件及其依赖的软件包。

  • E-HPC在管控节点上配置作业调度器。

以上流程都依赖于E-HPC服务部署。若您使用ECS管理控制台对节点进行操作，则可能会导致集群或部分节点状态异常，或集群相关资源不可使用等问题。因此不允许使用ECS管理控制台对E-HPC集群节点进行操作。

E-HPC的节点实例如何与ECS实例进行内网通信？

只要您的E-HPC集群节点实例和您自行购买的ECS实例在同一个VPC内，就可以进行内网通信。

为什么无法通过SSH登录集群？

使用Workbench或其他SSH客户端无法登录集群的原因较多，请您根据实际情况，通过相应的排查方法，排查并解决无法远程登录集群的问题。

  1. 检查用户名密码是否正确。

  2. 检查客户端本地网络或运营商网络是否异常。

  3. 检查登录节点所在的安全组规则，是否放行对相应端口（例如SSH协议默认的22端口）的访问。

  4. 检查节点所在安全组是否允许Workbench服务相关的IP访问节点，安全组规则详情和网络类型有关。具体操作，请参见通过密码或密钥认证登录Linux实例。

  5. 使用iptables -nvL --line-number检查登录节点是否开启防火墙或配置了防火墙规则。

如果排查后，依然无法登录集群，您可以选择VNC方式远程连接。更多远程连接问题请参见远程连接FAQ。

为什么通过SSH登录NIS域账号服务的集群时比较慢？

问题描述

当您SSH登录节点或者在节点间跳转时非常慢，偶尔会登录失败。并且，手动重启sshd服务会失败，显示Failed to activate service 'org.freedesktop.systemd1': timed out。

问题原因

systemd的已知bug，当使用NIS域账号服务时可能会出现该问题。

处理步骤

  1. 使用root账户登录该节点。

  2. 查看/etc/nsswitch.conf文件内容。
    cat /etc/nsswitch.conf
    若passwd、shadow和group中没有[NOTFOUND=return]，具体内容如下所示，请继续执行以下步骤。
    passwd:     files sss nis
shadow:     files sss nis
group:      files sss nis

  3. （可选）升级glibc。

    yum update glibc

  4. 更新nsswitch配置文件。

    1. 打开nsswitch.conf文件。

      vim /etc/nsswitch.conf

    2. 修改nsswitch.conf文件中如下内容并保存。

      passwd:      files sss nis [NOTFOUND=return]
shadow:     files sss nis [NOTFOUND=return]
group:        files sss nis [NOTFOUND=return]

为什么Slurm集群自动伸缩策略增加节点会失败？

使用Slurm调度器的集群默认有8个dummynode，假设当前集群拥有5个计算节点，那么您提交的单个Slurm作业最多可以使用13个节点。如果希望使用更多节点运行单个作业，需要手动扩容计算节点，或增加dummynode的数量。增加dummynode数量的步骤如下：

  1. 以root用户登录集群。

    具体操作，请参见登录集群。

  2. 在/opt/slurm/<slurm_version>/nodes目录中新增dummynodexxx文件。

    假设您的作业需要18个节点，由于集群默认有8个dummynode，则需要新增10个dummynode，例如dummyNode8~dummyNode17。

    说明

    <slurm_version>为您集群中Slurm调度器版本。

  3. 在/opt/slurm/<slurm_version>/etc/slurm.conf文件中，找到PartitionName行，新增dummynode信息。

    新增的dummynode信息如下所示：

    PartitionName=comp Nodes=dummynode0,dummynode1,dummynode2,dummynode3,dummynode4,dummynode5,dummynode6,dummynode7,dummynode8,dummynode9,dummynode10,dummynode11,dummynode12,dummynode13,dummynode14,dummynode15,dummynode16,dummynode17,compute000 Default=YES MaxTime=INFINITE State=UP

如何进行实名认证以购买中国内地地域云产品服务？

如果您需要购买和使用中国内地地域的云产品服务，例如存量、新购、续费，必须进行实名认证。您进行购买相关操作时，如果选择了中国内地的地域，系统将检查您的实名认证信息。若未完成实名认证，购买流程将报错并要求先进行实名认证。具体操作，请参见企业实名认证和个体工商户认证个人实名认证。

如何配置NAS远程挂载目录？

如果您在创建集群时需要指定NAS的挂载点和远程目录。假如您的集群配置信息如下：

ClusterId=ehpc-mrZSoWf****      # E-HPC集群ID
VolumeMountpoint=045324a6dd-m****.cn-hangzhou.nas.aliyuncs.com # NAS挂载点
RemotePath=/          # 远程目录

在新创建的集群的节点上（比如计算节点），默认的挂载NAS逻辑如下：

说明

您可以根据业务需要，自定义挂载的NAS远程目录。自定义挂载远程目录时，请提前创建相应的挂载点和远程目录。

  1. 根据集群名称，在远程目录下创建二级，三级目录。

    /ehpc-mrZSoWf****/opt
/ehpc-mrZSoWf****/home

  2. 创建集群时或创建集群后，根据业务需求，配置远程挂载目录。

    不同目录会做如下挂载，具体操作，请参见使用向导创建集群和管理存储资源。

    /     #挂载到 /ehpcdata
/ehpc-mrZSoWf****/home    #挂载到/home
/ehpc-mrZSoWf****/opt    #挂载到/opt

最多可以创建多少个集群？

一个地域下最多可以创建三个集群，如需提高额度，请提交工单。

最多可以创建多少个节点？

一个集群内最多可以创建500个节点，一次最多可以扩容500个计算节点。如需提高额度，请提交工单。

使用集群时，为什么不能选择自定义镜像？

创建集群、扩容集群或配置自动伸缩策略时，无法选择自定义镜像，可能有以下原因：

  • 您的阿里云账号在当前地域下没有自定义镜像，关于如何创建自定义镜像，请参见自定义镜像概述。

  • 自定义镜像操作系统为E-HPC不支持的操作系统，E-HPC支持的操作系统如下表所示。

    操作系统

    操作系统版本

    CentOS

    • CentOS_6.9_64

    • CentOS_7.2_64

    • CentOS_7.3_64

    • CentOS_7.4_64

    • CentOS_7.5_64

    • CentOS_7.6_64

    • CentOS_8.0_6

    Windows Server

    • Windows Server 2019 Data Center Edition 64bit Chinese Edition

    • Windows Server 2019 Data Center Edition 64bit English Edition

    • Windows Server 2016 Data Center Edition 64bit Chinese Edition

    • Windows Server 2016 Data Center Edition 64bit English Edition

    • Windows Server 2012 R2 Data Center Edition 64bit Chinese Edition

    • Windows Server 2012 R2 Data Center Edition 64bit English Edition

    • Windows Server 2008 R2 Enterprise 64bit Chinese Edition

    • Windows Server 2008 R2 Enterprise 64bit English Edition

  • E-HPC仅支持基于阿里云官方镜像创建的自定义镜像。

  • 配置自动伸缩策略时，自动伸缩全局配置中镜像和队列镜像应保持一致。

为什么使用自定义镜像扩容或新建集群会失败？

扩容或新建集群时，可以选择自定义镜像，但可能会出现扩容或新建失败。请注意以下限制：

  • 自定义镜像中不能修改操作系统的yum源配置。

  • 自定义镜像的挂载路径不能有/home和/opt目录，并且/home和/opt目录不能作为软链接目标。

  • 如果自定义镜像内的/etc/fstab文件中，存在文件系统（如nfs）的挂载信息，那么需要确保扩容或新建的集群能够访问该文件系统，例如集群与文件系统在同一VPC内。否则，您需要删除/etc/fstab文件中挂载文件系统的相关内容，再进行扩容或新建集群的操作。

  • 自定义镜像中必须保留账户群组GID为1000的群组。

  • 扩容或新建集群所指定的系统盘大小必须大于等于自定义镜像大小。

什么是角色授权？

弹性高性能计算服务关联角色（AliyunServiceRoleForEHPC）是访问控制提供的一种服务关联角色，用于授权E-HPC访问关联云资源。通过AliyunServiceRoleForEHPC，E-HPC可以获得云服务器ECS、专有网络VPC、文件存储NAS的访问权限。

如果您的账号没有完成弹性高性能计算服务关联角色的授权，需要完成角色授权。更多操作，请参见管理服务关联角色。

为什么RAM用户无法登录控制台查看E-HPC信息？

如果RAM用户没有授权AliyunEHPCReadOnlyAccess权限，会一直提示前往RAM进行授权，需添加AliyunEHPCReadOnlyAccess权限才能查看E-HPC信息。

如果需要创建集群、创建用户、创建作业等操作，需添加AliyunEHPCFullAccess和AliyunNASFullAccess权限。具体操作，请参见为RAM用户授权。

阿里云首页 弹性高性能计算E-HPC 相关技术圈