AWS ParallelCluster：多个集群的Slurmdbd

Question

【以下的问题经过翻译处理】 我正在尝试为使用AWS ParallelCluster 3创建的多个集群启用slurm计费，按照[此指南](https://aws.amazon.com/blogs/compute/enabling-job-accounting-for-hpc-with-aws-parallelcluster-and-amazon-rds/)。我已成功为第一个集群(`cluster-one`)启用了计费，现在我正在尝试按上述页面中“在多个集群上复制该过程”的推荐方式设置第二个(`cluster-two`)，即使用单个`slurmdbd`实例。

然而，从`cluster-two`到`cluster-one`的`slurmdbd`连接无法正常工作。这是来自`cluster-one`上的`slurmdbd.log`文件：

```
[2022-05-22T15:09:02.965] error: Munge decode failed: Invalid credential
[2022-05-22T15:09:02.966] auth/munge: _print_cred: ENCODED: Thu Jan 01 00:00:00 1970
[2022-05-22T15:09:02.966] auth/munge: _print_cred: DECODED: Thu Jan 01 00:00:00 1970
[2022-05-22T15:09:02.966] error: slurm_unpack_received_msg: auth_g_verify: REQUEST_PERSIST_INIT has authentication error: Unspecified error
[2022-05-22T15:09:02.966] error: slurm_unpack_received_msg: Protocol authentication error
[2022-05-22T15:09:02.976] error: CONN:10 Failed to unpack SLURM_PERSIST_INIT message

```

这是`cluster-two`上的`slurmctld.log`：

```
[2022-05-09T21:39:36.773] error: slurmdbd: Invalid message version=6500, type:1432
[2022-05-09T21:39:37.250] error: auth_g_pack: protocol_version 6500 not supported
[2022-05-09T21:39:37.250] error: slurm

rePost Polyglot · Answer

【以下的回答经过翻译处理】 在一个 Slurm 集群联盟中启用通信，你需要使用相同的 Munge 密钥。

对于每个新的集群，ParallelCluster 会生成一个随机密钥供 Munge 使用，因此你需要在两个集群中使用相同的密钥。
你可以从第一个集群中获取密钥，它位于 `/etc/munge/munge.key` 文件中，然后以正确的权限在另一个集群中复制它。

复制 Munge 密钥后，你需要重启 head 节点中的守护进程（包括 munged 和 slurmctld）。

AWS ParallelCluster：多个集群的Slurmdbd

相关内容