常见问题

如果您在E-HPC支持的地域和可用区下，不能创建E-HPC集群。可能是由于该地域不支持创建集群所需的相关资源，或者资源库存不足。例如：

• 该地域不支持创建NAS文件系统，或者NAS文件系统的库存不足，导致E-HPC集群无法挂载共享存储。

• 该地域和可用区没有符合E-HPC集群节点配置的ECS规格，或者ECS规格的库存不足。

建议您选择其他地域创建E-HPC集群。

不可以。

E-HPC集群节点是基于ECS实例组建，但E-HPC控制台提供了额外的部署流程，包括且不限于以下流程：

• E-HPC帮助您按节点配比和指定实例规格配置集群节点，为各类节点批量创建ECS实例。

• E-HPC创建各个节点对应的ECS实例后，会进一步部署管控系统。

• E-HPC通过管控系统为您在ECS实例上预装选定的软件及其依赖的软件包。

• E-HPC在管控节点上配置作业调度器。

以上流程都依赖于E-HPC服务部署。若您使用ECS管理控制台对节点进行操作，则可能会导致集群或部分节点状态异常，或集群相关资源不可使用等问题。因此不允许使用ECS管理控制台对E-HPC集群的节点进行操作。

根据您的E-HPC集群节点实例和您自行购买的ECS实例是否处于同一VPC，私网通信的配置如下：

• 处于同一个VPC内，可以直接进行私网通信。

• 处于不同VPC内，需要打通网络后才能进行私网通信。您可以通过云企业网CEN、VPC对等实现VPC之间私网互通。

使用SSH客户端无法登录集群的原因较多，请您根据实际情况，通过相应的排查方法，排查并解决无法远程登录集群的问题。

1. 检查用户名密码是否正确。

2. 检查客户端本地网络或运营商网络是否异常。

3. 检查登录节点所在的安全组规则，是否放行对相应端口（例如SSH协议默认的22端口）的访问。

4. 使用iptables -nvL --line-number检查登录节点是否开启防火墙或配置了防火墙规则。

如果排查后，依然无法登录集群，您可以选择VNC方式远程连接。更多远程连接问题请参见远程连接FAQ。

问题描述

• SSH登录节点或者在节点间跳转时非常慢，偶尔会登录失败。

• 手动重启sshd服务失败，显示Failed to activate service 'org.freedesktop.systemd1': timed out。

问题原因

systemd的已知bug，使用NIS域账号服务时可能会出现该问题。

处理步骤

1. 使用root用户登录节点。

2. 查看/etc/nsswitch.conf文件内容。

   cat /etc/nsswitch.conf

   若passwd、shadow和group中没有[NOTFOUND=return]，请继续执行以下步骤。示例如下：

   passwd:     files sss nis
   shadow:     files sss nis
   group:      files sss nis

3. （可选）升级glibc。

   yum update glibc

4. 更新nsswitch配置文件。

   1. 打开nsswitch.conf文件。

      vim /etc/nsswitch.conf

   2. 修改nsswitch.conf文件中如下内容并保存。

      passwd:      files sss nis [NOTFOUND=return]
      shadow:      files sss nis [NOTFOUND=return]
      group:       files sss nis [NOTFOUND=return]

由于自动伸缩服务依赖于调度器服务和域账号服务运行正常，因此在集群自动伸缩过程中，管控节点需要一直保持运行中。如果在开启自动伸缩后停止管控节点，可能会导致自动伸缩决策失误从而出现一些异常问题。

使用Slurm调度器的集群默认有8个DummyNode，假设当前集群拥有5个计算节点，那么您提交的单个Slurm作业最多可以使用13个节点。如果希望使用更多节点运行单个作业，需要手动扩容计算节点，或增加DummyNode的数量。增加DummyNode数量的步骤如下：

1. 以root用户登录集群。具体操作，请参见登录集群。

2. 在/opt/slurm/<slurm_version>/nodes目录下新增DummyNode文件。

   假设您的作业需要18个节点，由于集群默认有8个DummyNode，则需要新增10个DummyNode，即增加dummynode8~dummynode17共10个文件，文件内容可以拷贝dummynode0文件的内容。

   说明

   <slurm_version>为您集群中Slurm调度器版本。

3. 在/opt/slurm/<slurm_version>/etc/slurm.conf文件中，找到PartitionName行，新增DummyNode信息。

   新增的DummyNode信息如下所示：

   PartitionName=comp Nodes=dummynode0,dummynode1,dummynode2,dummynode3,dummynode4,dummynode5,dummynode6,dummynode7,dummynode8,dummynode9,dummynode10,dummynode11,dummynode12,dummynode13,dummynode14,dummynode15,dummynode16,dummynode17,compute000 Default=YES MaxTime=INFINITE State=UP

创建E-HPC集群时，在2.软件配置页面您可以选择调度器类型。目前E-HPC支持多个版本的Slurm调度器。如果您的业务对调度器版本没有特殊要求，建议选择最新的Slurm调度器版本来创建集群。当前E-HPC支持的Slurm调度器最新版本为slurm22。

如果您需要购买和使用中国内地地域的云产品服务，例如存量、新购、续费，必须进行实名认证。您进行购买相关操作时，如果选择了中国内地的地域，系统将检查您的实名认证信息。若未完成实名认证，购买流程将报错并要求先进行实名认证。具体操作，请参见国际站账号实名登记常见问题。

支持以下几类镜像：

• 公共镜像：阿里云官方镜像。

• 自定义镜像：您使用ECS实例或者快照创建的镜像，或者从本地导入的镜像。

• 共享镜像：其他阿里云账号共享给您的镜像。

• 镜像市场：第三方服务商ISV（Independent Software Vendor）通过阿里云云市场授权提供的镜像。

• 社区镜像：镜像提供者通过阿里云社区镜像平台发布的镜像。

创建集群、扩容集群或配置自动伸缩策略时，如果无法选择自定义镜像，可能有以下原因：

• 您的阿里云账号在当前地域下没有自定义镜像，关于如何创建自定义镜像，请参见自定义镜像概述。

• 自定义镜像操作系统为E-HPC不支持的操作系统。

• 当前选择的节点实例规格不支持该自定义镜像。

• 配置自动伸缩策略时，自动伸缩全局配置中镜像和队列镜像应保持一致。

创建或扩容集群时，可以选择自定义镜像，但可能会出现创建或扩容失败的情况。操作前，请注意以下限制：

• 自定义镜像中不能修改操作系统的yum源配置。

• 自定义镜像的挂载路径不能有/home和/opt目录，并且/home和/opt目录不能作为软链接目标。

• 如果自定义镜像内的/etc/fstab文件中，存在文件系统（如nfs）的挂载信息，那么需要确保扩容或创建的集群能够访问该文件系统，例如集群与文件系统在同一VPC内。否则，您需要删除/etc/fstab文件中挂载文件系统的相关内容，再进行扩容或创建集群的操作。

• 自定义镜像中必须保留账户群组GID为1000的群组。

• 扩容或创建集群所指定的系统盘大小必须大于等于自定义镜像大小。

E-HPC仅支持使用导入的CentOS镜像。关于如何导入镜像，请参见导入镜像流程。

导入镜像时，请务必选中导入后执行检测，否则可能无法在E-HPC控制台识别该镜像。

E-HPC集群使用NAS实现计算节点间的数据共享，因此自行手动安装业务软件有以下两种方案：

• 安装在/opt目录，该方案下所有集群用户可以访问并使用业务软件。

• 安装在集群用户的home目录，一般情况下仅该集群用户可以访问并使用。

创建集群时需要指定NAS的挂载点和远程目录，假如您的集群配置信息如下：

ClusterId=ehpc-mrZSoWf****                                      # E-HPC集群ID
VolumeMountpoint=045324****-m****.cn-hangzhou.nas.aliyuncs.com  # NAS挂载点
RemotePath=/                                                    # NAS远程目录

在新创建的集群的节点上（比如计算节点），默认的挂载NAS逻辑如下：

1. 根据集群名称，在远程目录下创建二级，三级目录。

   /ehpc-mrZSoWf****/opt
   /ehpc-mrZSoWf****/home

2. 创建集群时或创建集群后，根据业务需求，配置远程挂载目录。

   不同目录会做如下挂载。具体操作，请参见使用向导创建集群和管理共享存储。

   /                         #挂载到 /ehpcdata
   /ehpc-mrZSoWf****/home    #挂载到/home
   /ehpc-mrZSoWf****/opt     #挂载到/opt

一个地域下最多可以创建3个集群，如需提高额度，请提交工单。

一个集群内最多可以创建500个节点，一次最多可以扩容500个计算节点。如需提高额度，请提交工单。

弹性高性能计算服务关联角色（AliyunServiceRoleForEHPC）是访问控制提供的一种服务关联角色，用于授权E-HPC访问关联云资源。通过AliyunServiceRoleForEHPC，E-HPC可以获得云服务器ECS、专有网络VPC、文件存储NAS等阿里云产品的访问权限。

如果您的账号没有完成弹性高性能计算服务关联角色的授权，需要完成角色授权。更多操作，请参见E-HPC服务关联角色。

如果RAM用户没有授权AliyunEHPCReadOnlyAccess权限，会一直提示前往RAM进行授权，需添加AliyunEHPCReadOnlyAccess权限才能查看E-HPC信息。

如果需要创建集群、创建用户、创建作业等操作，需添加AliyunEHPCFullAccess和AliyunNASFullAccess权限。具体操作，请参见为RAM用户授权。