作业状态代码

Slurm 系统中的每个作业都有一个分配的状态。作业状态的显示方式取决于用于识别状态的方法。

概述

在 Slurm 代码中，有 基本状态 和 状态标志。每个作业都有一个基本状态，并且可能设置额外的状态标志。当使用 REST API 时，将返回基本状态和当前标志。

当 squeue 和 sacct 命令报告作业状态时，它们将其表示为单一状态。两者都会识别所有基本状态，但并非所有状态标志。如果存在已识别的标志，则将报告该标志而不是基本状态。有关详细信息，请参阅相关命令文档。

此页面表示代码中所有作业代码和标志。提供的名称是用于用户输出的字符串表示。对于大多数情况，代码中使用的名称是相同的，以 JOB_ 开头。要更清楚地了解作业状态和标志，请在 slurm.conf 中设置 DebugFlags=TraceJobs 和 SlurmctldDebug=verbose（或更高）。

作业状态

系统中已知的每个作业将具有以下状态之一：

名称	描述
BOOT_FAIL	由于节点启动失败而终止
CANCELLED	被用户或管理员取消
COMPLETED	成功完成执行；在所有节点上以零的 退出代码 结束
DEADLINE	由于达到作业指定的最新可接受开始时间而终止
FAILED	执行未成功完成；非零 退出代码 或其他失败条件
NODE_FAIL	由于节点故障而终止
OUT_OF_MEMORY	出现内存不足错误
PENDING	排队并等待启动；通常会有一个 原因代码 指定为何尚未启动
PREEMPTED	由于 抢占 而终止；可能根据配置的 PreemptMode 和作业特性转换为其他状态
RUNNING	分配资源并正在执行
SUSPENDED	分配了资源但执行被暂停，例如由于 抢占 或授权用户的 直接请求
TIMEOUT	由于达到时间限制而终止，例如在 slurm.conf 中配置的或为单个作业指定的限制

作业标志

作业可能设置额外的标志：

名称	描述
COMPLETING	作业已完成或被取消，并正在执行清理任务，包括（如果存在）epilog 脚本
CONFIGURING	作业已分配节点，正在等待它们启动或重启
LAUNCH_FAILED	在所选节点上启动失败；包括 prolog 失败和其他失败条件
POWER_UP_NODE	作业已分配关闭的节点，正在等待它们启动
RECONFIG_FAIL	作业的节点配置失败
REQUEUED	作业正在重新排队，例如由于 抢占 或授权用户的 直接请求
REQUEUE_FED	由于其在 联邦 设置中的兄弟作业的条件而重新排队
REQUEUE_HOLD	与 REQUEUED 相同，但在被 释放 之前不会被考虑调度
RESIZING	作业的大小正在变化；防止发生冲突的作业更改
RESV_DEL_HOLD	由于删除的保留而被保留
REVOKED	由于其在 联邦 设置中的兄弟作业的条件而被撤销
SIGNALING	向作业发送的信号待处理
SPECIAL_EXIT	与 REQUEUE_HOLD 相同，但用于识别适用于该作业的 特殊情况
STAGE_OUT	正在分阶段输出数据（突发缓冲区）
STOPPED	接收到 SIGSTOP 以在不释放资源的情况下暂停作业
UPDATE_DB	向数据库发送有关作业的更新

最后修改于 2024 年 10 月 01 日