使用多于3台主机设置群集时发生MPI错误

我们无法在具有3台以上机器的Open MPI群集中运行程序。使用多于3台主机设置群集时发生MPI错误

如果我们运行：

mpirun --host master,slave5,slave3 ./cluster

它的工作原理。

如果我们运行：

mpirun --host master,slave4,slave3,slave5 ./cluster

我们得到以下错误：

ssh: Could not resolve hostname slave5: Temporary failure in name resolution

尽管事实上，它看起来像一个名称解析错误，实在不行，因为slave5工程对第一个命令。

到目前为止，我们已经看到其他人报告相同的错误，没有任何解决方案。例如：

http://users.open-mpi.narkive.com/LECsvO1e/ompi-users-cannot-run-a-job-with-more-than-3-nodes

任何想法？

来源

2017-05-05 Chocksmith

你有没有正确设置/ etc/hosts中每个主机上的文件（或DNS）（后所有4个文件在这里）？当'ping'与目标主机的名称（这是目标主机上的'hostname'命令返回）一起使用时，每个主机是否可以ping每个其他主机？ – osgx

链接的邮件列表线程中的第一个响应提供了一种解决方法。这是否解决了你的问题？ –

这个问题很常见，因为我在一些论坛上看到这里看看https://www.mail-archive.com/[email protected]/msg29784.html 但idont认为这将有所帮助。 –

该问题很可能是因为Open MPI默认为基于树的spawn，意思是它从节点A到节点B的ssh，然后是从节点B到节点C的ssh。有关更多详细信息，请参见https://blogs.cisco.com/performance/tree-based-launch-in-open-mpi和https://blogs.cisco.com/performance/tree-based-launch-in-open-mpi-part-2。因此，如果您禁用基于树的spawn（通过“mpirun --mca plm_rsh_no_tree_spawn 1” - 这将导致所有ssh从节点A发生），您的启动将按预期工作。

但是，更好的解决方案是使所有群集机器名都可以从所有机器解析出来。例如，当你可以成功运行这样的事情，然后打开MPI的推出应该成功运行：

foreach node (Node1 Node2 Node3 Node4 ...) 
 
    foreach other (Node1 Node2 Node3 Node4 ...) 
 
     echo from $node to $other 
 
     ssh $node ssh $other hostname

来源

2017-05-06 15:07:52

使用多于3台主机设置群集时发生MPI错误

回答

相关问题