LSF作业管理系统使用方法

查看LSF计算节点列表`bhosts`

# bhosts
HOST_NAME          STATUS       JL/U    MAX  NJOBS    RUN  SSUSP  USUSP    RSV
fat01              ok              -     16      0      0      0      0      0
fat02              ok              -     16      0      0      0      0      0
fat03              ok              -     16      0      0      0      0      0
fat04              ok              -     16      0      0      0      0      0
fat05              ok              -     16      0      0      0      0      0
fat06              ok              -     16      0      0      0      0      0
fat07              ok              -     16      0      0      0      0      0
fat08              ok              -     16      0      0      0      0      0
fat09              ok              -     16      0      0      0      0      0
fat10              ok              -     16      0      0      0      0      0
......

查看LSF队列`bqueues`

查看所有队列的整体信息：

# bqueues
QUEUE_NAME      PRIO STATUS          MAX JL/U JL/P JL/H NJOBS  PEND   RUN  SUSP
cpu              40  Open:Active       -    -    -    -  2072     0  2072     0
fat              40  Open:Active       -    -    -    -     0     0     0     0
gpu              40  Open:Active       -    -    -    -   288     0   288     0
mic              40  Open:Active       -    -    -    -     0     0     0     0
cpu-fat          40  Open:Active       -    -    -    -    16     0    16     0

查看某个队列的信息：

# bqueues fat
QUEUE_NAME      PRIO STATUS          MAX JL/U JL/P JL/H NJOBS  PEND   RUN  SUSP
fat              40  Open:Active       -    -    -    -     0     0     0     0

查看计算节点负载`lsload`

查看整体负载：

# lsload
HOST_NAME       status  r15s   r1m  r15m   ut    pg  ls    it   tmp   swp   mem
node011             ok   0.0   0.3   0.4   0%   0.0   0 49024  193G   62G   61G
node039             ok   0.0   0.6   0.5   0%   0.0   0 49024  194G   62G   61G
node041             ok   0.0   0.0   0.0   0%   0.0   0 49024  194G   62G   61G
node050             ok   0.0   0.0   0.0   0%   0.0   0 49024  194G   62G   60G
node064             ok   0.0   0.7   0.6   0%   0.0   0 49024  194G   62G   61G
node077             ok   0.0   0.7   0.5   0%   0.0   0 49024  194G   62G   61G
.....

查看某个节点的负载：

# lsload node001
HOST_NAME       status  r15s   r1m  r15m   ut    pg  ls    it   tmp   swp   mem
node001             ok   0.3   0.1   0.1   1%   0.0   0   332  152G   62G   61G

使用LSF提交作业`bsub`

手动提交作业

LSF使用bsub提交作业。bsub命令的格式是：

bsub -n Z -q QUEUENAME -i INPUTFILE -o OUTPUTFILE COMMAND

其中：Z提交作业需要的线程数，-q指定作业提交的队列。如果不添加-q选项，系统将把作业提交到默认的作业队列。 INPUTFILE表示程序需要读入的文件名，OUTPUTFILE表示输出文件名，作业提交后的输出到标准输出信息将会保存在这个文件中。

对于串行作业，COMMAND可以直接使用您的程序名。例如，将串行程序mytest的通过LSF提交：

bsub -n 1 -q q_default -o mytest.out ./mytest

对于MPI并行作业，COMMAND的格式为-a mpich_gm mpirun.lsf PROG_NAME。例如，将并行程序mytest，通过LSF提交，使用16个线程运行这个作业：

bsub -n 16 -q q_default -o mytest.out -a mpich_gm mpirun.lsf ./mytest

交互式批量提交

使用bsub还可以启动一个交互式的shell环境，一次提交多个运行参数相同的并行作业。例如下面的操作：

# bsub
bsub> -n 16
bsub> -q q_default
bsub> -o output.txt
bsub> COMMAND1
bsub> COMMAND2
bsub> COMMAND3

等价于：

bsub -n 16 -q q_default -o output.txt COMMAND1
bsub -n 16 -q q_default -o output.txt COMMAND2
bsub -n 16 -q q_default -o output.txt COMMAND3

编写LSF作业控制脚本

#BSUB -n 16
#BSUB -q q_default
#BSUB -o output.txt
-a mpich_gm mpirun.lsf ./mytest

bsub还接受来自标准输入的作业说明。因此，我们可以编写LSF脚本提交作业。 bsub脚本简单易写，上面一段代码是名为bsub.script的完整例子，将bsub.script通过输入重定向，提交给LSF：

bsub < bsub.script

这等价于：

bsub -n 16 -q q_default -o output.txt -a mpich_gm mpirun.lsf ./mytest

一个功能更完整的LSF作业控制脚本

#BSUB -J HELLO_MPI
#BSUB -o job.out
#BSUB -e job.err
#BSUB -n 256
source /lustre/utility/intel/composer_xe_2014.3.163/bin/compilervars.sh intel64
source /lustre/utility/intel/mkl/bin/intel64/mklvars_intel64.sh
source /lustre/utility/intel/impi/4.1.1.036/bin64/mpivars.sh
MPIRUN=`which mpirun`
EXE="./mpihello"
CURDIR=$PWD
cd $CURDIR
rm -f nodelist nodes >& /dev/null
touch nodelist
touch nodes
NP=0
for host in `echo $LSB_MCPU_HOSTS |sed -e ‘s/ /:/g‘|  sed ‘s/:n/\nn/g‘`
do
echo $host >> nodelist
echo $host | cut -d ":" -f1 >> nodes
nn=`echo $host | cut -d ":" -f2`
NP=`echo $NP+$nn | bc`
done

其他作业管理操作

查看作业状态`bjobs`

检查已提交的作业的运行状态：

bjobs

以宽格式来显示作业运行状态：

bjobs -w

显示所有作业：

bjobs -a

显示正在运行的作业：

bjobs -r

显示等待运行(pending)的作业和等待的原因：

bjobs -p

显示已经挂起(suspending)的作业和挂起的原因：

bjobs -s

显示JOBID这个作业的所有信息：

bjobs -l JOBID

终止作业`bkill`

终止不需要的作业：

bkill

终止JOBID这个作业：

bkill JOBID

直接将作业JOBID从LSF中移除，而不等待该作业的进程在操作系统中终结：

bikill JOBID

监视作业输出`bpeek`

当作业正在运行时，显示它的标准输出，监视作业运行：

bpeek

查看JOBID的标准输出：

bpeek JOBID

作业历史信息`bhist`

显示作业的历史情况：

bhist

显示JOBID作业的历史情况：

bhist JOBID

时间： 2024-08-12 06:31:49