Torque在Linux集群上的安装配置

2008年7月的时候尝试安装Torque于TCCL的服务器上，失败。

2010年1月12日开始，再次尝试。希望不要再失败。

服务器的基本状况：

一个2T硬盘的前端存储节点，名称为tccl_front;9台8核的计算节点，名称分别为tccl01-tccl09。操作系统为CentOS 5.3 x86_64版本的Linux系统。

NIS服务已经配置好，存储节点的磁盘用NFS挂载在每个计算节点上作为共享磁盘。所有的应用软件都安装在此共享磁盘上。

1.ssh免密码登录.对每个用户都要设置。

2.下载Torque，解压缩，编译。

目前，torque 2.3是稳定版本，2.4是beta版本。为了稳定，我下载的是2.3.9版本。

下载地址:
http://clusterresources.com/downloads/torque
在PBS服务器节点上：

tar xvfz torque-2.3.9.tar.gz

configure需要加参数

./configure --enable-docs --with-scp --enable-syslog

make

make packages

make install

将torque-package-mom-linux-i686.sh，torque-package-clients-linux-i686.sh安装到计算节点上。

将这两个文件拷贝到计算节点上（或者是共享磁盘上），登录进计算节点，运行：

./torque-package-mom-linux-i686.sh --install

./torque-package-clients-linux-i686.sh --install

可以使用dsh之类的工具来辅助。或者手工写一个脚本来完成这些工作。

3.配置pbs_mom为服务

在torque源码包contrib目录中有一个文件

cp contrib/init.d/pbs_mom /etc/init.d/pbs_mom

chkconfig --add pbs_mom

在所有的机器（pbs服务器和计算节点）上都需要如此设置。

写脚本来完成吧!比如

for i in `seq 1 9`

do

echo tccl0$i

ssh tccl0$i "some command"

done

4.配置torque

1)

ldconfig

2) Specify Compute Nodes

编辑文件

/var/spool/torque/server_priv/nodes

内容如下(注意，这里使用的都是机器的简称,与使用免密码登录时的机器名称相同):

tccl01 np=8 smallmem

tccl02 np=8 smallmem

tccl03 np=8 bigmem

tccl04 np=8 bigmem

tccl05 np=8 bigmem

tccl06 np=8 24G_Mem fastcpu

tccl07 np=8 24G_Mem fastcpu

tccl08 np=8 20G_Mem fastcpu

tccl09 np=8 24G_Mem fastcpu

3)Configure TORQUE on the Compute Nodes

按照系统的情况，配置如下：

在计算节点上编辑文件

/var/spool/torque/mom_priv/config

内容如下:

$pbsserver tccl_front

arch x86_64

opsys RHEL

$logevent 255

$ideal_load 4.0

$max_load 8.0

$tmpdir /tmp

4)初始化

torque.setup root

这会生成最基本的一个设置，有一个batch队列。如果需要比较复杂的队列，建议自己写一个配置文件，比如queue.conf文件。下面是一个有short,medium,long 共3个队列的配置文件：

#

# Create queues and set their attributes.

#

#

# Create and define queue batch

#

#create queue batch

#set queue batch queue_type = Execution

#set queue batch resources_default.nodes = 1

#set queue batch resources_default.walltime = 01:00:00

#set queue batch enabled = True

#set queue batch started = True

#Short queue

create queue short

set queue short queue_type = Execution

set queue short resources_default.nodes=1

set queue short Priority = 1000

set queue short max_running=20

set queue short max_queuable=40

set queue short max_user_run=10

set queue short max_user_queuable=20

set queue short resources_min.walltime=00:00:10

set queue short resources_max.walltime=12:00:00

set queue short resources_default.walltime = 12:00:00

set queue short resources_default.neednodes = smallmem

set queue short enabled = True

set queue short started = True

#Medium queue

create queue medium

set queue medium queue_type = Execution

set queue medium resources_default.nodes=1

set queue medium Priority = 100

set queue medium max_running=12

set queue medium max_queuable=20

set queue medium max_user_run=4

set queue medium max_user_queuable=8

set queue medium resources_min.walltime=12:00:10

set queue medium resources_max.walltime=48:00:00

set queue medium resources_default.walltime = 24:00:00

set queue medium enabled = True

set queue medium started = True

set queue medium resources_default.neednodes = fastcpu

#Long queue

create queue long

set queue long queue_type = Execution

set queue long resources_default.nodes=1

set queue long Priority = 10

set queue long max_running=10

set queue long max_queuable=12

set queue long max_user_run=3

set queue long max_user_queuable=6

set queue long resources_min.walltime=48:00:00

set queue long resources_max.walltime=480:00:00

set queue long resources_default.walltime = 72:00:00

set queue long resources_default.neednodes = bigmem

set queue long enabled = True

set queue long started = True

#

# Set server attributes.

#

set server scheduling = True

set server acl_hosts = tccl_front

set server acl_hosts += tccl_front.tccl_group

set server acl_hosts += "tccl01,tccl02,tccl03,tccl04,tccl05,tccl06,tccl07,tccl08,tccl09"

set server acl_host_enable = true

set server managers = root@tccl_front.tccl_group

set server operators = root@tccl_front.tccl_group

set server default_queue = short

set server log_events = 511

set server mail_from = adm

set server scheduler_iteration = 10

set server node_check_rate = 120

set server tcp_timeout = 6

set server mom_job_sync = True

set server keep_completed = 120

#set server next_job_number = 0

set server query_other_jobs = True

运行

qmgr <queue.conf

即可完成两个队列（long,short）的基本设置。

需要注意的问题：

/etc/hosts设置

# Do not remove the following line, or various programs

# that require network functionality will fail.

127.0.0.1 localhost localhost

::1 tccl_front6.tccl_group localhost6

192.168.1.218 tccl_front.tccl_group tccl_front

192.168.1.3 tccl01.tccl_group tccl01

192.168.1.2 tccl02.tccl_group tccl02

192.168.1.4 tccl03.tccl_group tccl03

192.168.1.5 tccl04.tccl_group tccl04

192.168.1.6 tccl05.tccl_group tccl05

192.168.1.7 tccl06.tccl_group tccl06

192.168.1.8 tccl07.tccl_group tccl07

192.168.1.9 tccl08.tccl_group tccl08

192.168.1.10 tccl09.tccl_group tccl09

包含tccl_front的应该是192.168.*.*的IP，而不能是外网IP或者127.0.0.1的IP，切记！

5.安装mpiexec,这个是为了方便运行nwchem等程序。否则，删除任务以后，实际上没有将mpirun杀死。
http://www.osc.edu/~djohnson/mpiexec/index.php
下载，解压缩以后

./configure --with-pbs=/var/spool/torque --with-prefix=/home_srv/scicons/mpich/mpiexec --with-default-comm=shmem

make

make install

编译mpiexec时，需要注意--with-default-comm选项。这个选项要与mpirun的default-comm一致。比如，我的服务器上用的是shmem，这里就要设置为--with-default-comm=shmem

如果设置错误的话，会发现申请了n个processor，实际计算的时候只使用了一个。

6.将所有的pbs_iff程序setuid=root

chmod 4775 /usr/local/sbin/pbs_iff

参考文献：
http://clusterresources.com/torquedocs21/torquequickstart.shtml
http://zevan.blog.sohu.com/142998635.html