停止 SLURM 作业的最正确方法

Question

作为 SLURM + Snakemake 管道的一部分，我有一个脚本将数据库服务器作为 SLURM 作业启动，另一个脚本通过

scancel

停止它。

HPC 批处理系统可能不应该以这种方式使用，但目前 SLURM 节点是我必须为该数据库提供所需 RAM 和 CPU 数量的唯一资源。无论如何，相应的作业都是临时的（只要管道需要它，它就会运行，其他一切都会停止）。

我的问题是这个用例是否应该以更合适/惯用的方式进行管理。特别是，我的脚本的用户刚刚告诉我，他们在

acct

输出中看到失败的作业。这些是服务器作业，显然由于

scancel

中断而导致失败。显然，这是误报，我想避免它。

Answer 1

被取消的工作不一定会在会计中显示为

FAILED

。它们将显示为

FAILED

是被

scancel

命令中断并以非零返回代码退出的进程。

您应该在数据库服务器的文档中确认这一点，但似乎在收到 SIGINT 信号后，数据库服务器认为这是错误终止并以非零代码退出。

在这种情况下，您应该使用

trap

Bash 函数捕获 SIGINT 信号，并运行正确的命令来关闭该函数中的服务器。