"这篇文档是关于SGE(Sun Grid Engine)的安装和使用，作者为崔再续，创建于2011年8月21日。文档详细介绍了如何搭建NFS网络文件系统，SGE集群的规划和安装，以及在使用SGE过程中遇到的问题和解决方案，包括主机和作业的状态管理，还有用户管理和NFS相关的用户共享问题。"
在集群计算环境中，SGE（Sun Grid Engine）是一个关键的资源调度系统，它允许管理员有效地管理和分配集群的计算资源。文档中提到的知识点包括：
1. **NFS搭建**：
- NFS是一种网络文件系统，它允许不同计算机之间的文件共享，使得用户和程序可以像访问本地文件一样访问远程文件。
- 在文档的需求部分，NFS被用于实现磁盘容量共享，每台机器创建/data目录，并通过NFS挂载和共享文件夹，以便所有节点都能访问。
2. **SGE介绍**：
- SGE是一个分布式资源管理器，用于管理集群中的计算作业和资源。
- 文档提到了SGE的需求，主要是为了实现集群中多个节点间的资源调度和作业管理。
3. **SGE安装**：
- 安装过程中包括了主控主机上主控进程的安装，执行节点的安装，以及解决相关问题。
- SGE的启动过程和客户端(gridengine-client)的安装也进行了说明。
4. **主机状态管理**：
- 文档详细列举了主机的不同状态，如'au'（报警且无法到达）、'u'（不可达，通常是因为SGE或机器故障）、'a'（报警，可能是资源耗尽）、'as'（报警并暂停）、'd'（禁用）和'E'（错误状态，需要使用`qmod -c`清除）。
5. **作业状态管理**：
- 作业状态包括'qw'（等待队列）、'w'（等待）、's'（暂停）、't'（传输中，即将开始）、'r'（运行中）、'h'（保持）、'R'（重启）、'd'（标记删除）和'Eqw'（作业错误）。
6. **SGE与NFS用户管理问题**：
- SGE使用用户名标识用户，当在不同节点上有相同用户名时，可能会有权限或访问冲突的问题。
- 解决方案可能涉及正确配置NFS共享，确保用户身份验证和权限设置的一致性。
7. **扩展集群**：
- 文档还简述了如何向已有的SGE集群中添加新的执行节点。
这些知识点对于理解如何构建和管理一个基于SGE的集群计算环境至关重要。通过NFS和SGE的配合，可以高效地利用集群资源，为科学计算、大数据处理和其他计算密集型任务提供强大的支持。
我的内容管理
展开
