MPICH2でのノード間並列計算について 2007.07.02

• mpdを使用する場合，mpiexec + TORQUEでノード間並列を行う場合
• 名前解決に関して/etc/hostsファイルで，自分のホスト名がループバック（127.0.0.1）で解決されると問題が生じた．
• とりあえずhostsファイルを書き換えて対応した．未確認だが，DNSサーバで名前解決できるようにしてもよいと思われる．
• 例えば，以下のようにする．

# Do not remove the following line, or various programs
# that require network functionality will fail.
192.168.1.57    calckoshilab004
127.0.0.1       calckoshilab004 localhost.localdomain localhost
::1             calckoshilab004 localhost.localdomain localhost
192.168.1.54    calckoshilab001
192.168.1.55    mpiclub_master
192.168.1.56    calckoshilab003

• これを設定しないと，次のようなエラーが表示された．
  • mpd使用時の/var/log/message

    Jun 29 17:18:43 calckoshilab003 mpd: mpd starting; no mpdid yet
    Jun 29 17:18:43 calckoshilab003 mpd: mpd has mpdid=calckoshilab003_39351 (port=39351)
    Jun 29 17:18:44 calckoshilab003 mpd: calckoshilab003_39351 (connect_rhs 942): failed to connect to rhs at 127.0.0.1 57932
    Jun 29 17:18:44 calckoshilab003 mpd: calckoshilab003_39351 (enter_ring 849): rhs connect failed
    Jun 29 17:18:44 calckoshilab003 mpd: calckoshilab003_39351 (run 248): failed to enter ring
    Jun 29 17:18:44 calckoshilab003 mpd: mpd ending mpdid=calckoshilab003_39351 (inside cleanup)
    

  • mpiexec + TORQUE使用時の標準エラー出力

  [unset]: connect failed with connection refused
  [unset]: Unable to connect to calckoshilab004 on 37217
  [unset]: aborting job:
  Fatal error in MPI_Init: Other MPI error, error stack:
  MPIR_Init_thread(247): Initialization failed
  MPID_Init(71)........: channel initialization failed
  MPID_Init(274).......: PMI_Init returned -1
  mpiexec: Warning: task 1 exited with status 1.
  

  • mpiexec + TORQUE使用時の/var/spool/torque/mom_log

  pbs_mom;Job;159.localhost;scan_for_terminated: job 159.localhost task 3 terminated, sid 22710