FAQ

FAQ – Häufig gestellte Fragen zum Zugang

Die Benutzung des Clusters ist kostenlos.

Weder User-Account noch Projektnutzung werden Ihnen oder Ihrem Institut in irgendeiner Form berechnet.

Trotzdem ist der Betrieb des HLR mit hohen operativen Kosten verbunden (Stromverbrauch, Kühlung, Administration). Daher ist es wichtig, verantwortungsvoll mit den angebotenen Ressourcen umzugehen und die eigenen Rechenjobs so effizient wie möglich zu gestalten.

Es gibt Sprechstunden, aber keinen Supportchat.

Videosprechstunden jeden Mittwoch 10 – 11 Uhr
Zoomraum
Meeting-ID: 665 7163 2291
Kenncode: 113329

Bürosprechstunden jeden ersten Mittwoch im Monat (Alexanderstrasse 2, Raum 205, 213 und 214).

Benutzerkonto

Wenn Sie auf einem unserer Loginnodes angemeldet sind, zeigt das Kommando account_expire das Datum, an dem Ihr Nutzerzugang ausläuft.

Wir senden Ihnen eine automatische Mail 4 Wochen bevor Ihr Account ausläuft und eine weitere am Tag des Auslaufens.

Diese Mails gehen an Ihre dienstliche Mail-Adresse, die mit Ihrer TU-ID im IDM-System der TU Da verknüpft ist.

Um Ihren Nutzerzugang zu verlängern, füllen Sie bitte erneut den "Nutzungsantrag " aus und senden Sie ihn uns vollständig unterschrieben per Hauspost zu (bzw. über Ihren lokalen Ansprechpartner ).

Zu unterscheiden ist, ob der gewählte Loginknoten gar nicht antwortet (was auf seinen Ausfall oder Netzwerkprobleme hindeutet), oder ob er reagiert, aber Ihren Account nicht zulässt.

  • Versuchen Sie es auf einem anderen Loginknoten (der, den Sie probiert haben, könnte gerade ausgefallen sein).
  • Schauen Sie in unseren News , ob es gerade Wartungsarbeiten oder größere Probleme mit dem HLR gibt.
  • Prüfen Sie den Eingangs- (und Spam-) Ordner Ihres dienstlichen Postfachs auf Nachrichten mit dem Betreff „Ihr Account am Lichtenberg-Hochleistungsrechner“ – Ihr HLR-Account könnte kürzlich ausgelaufen sein.
  • Erhalten Sie auch von verschiedenen Loginknoten „Permission denied“ bzw. „Incorrect password“ (Login-Knoten ist grundsätzlich erreichbar, verweigert Ihnen aber den Zugang):
    • Prüfen Sie, ob Sie Ihre Tastatur versehentlich auf eine andere Sprache umgestellt haben. Auf englischen Tastaturen sind z.B. Y und Z vertauscht und keine deutschen Umlaute enthalten.
    • Prüfen Sie, ob Ihr ssh-Programm vielleicht den falschen Loginnamen übermittelt. Der in Windows eingebaute ssh-Client setzt den Loginnamen gern auf „ADS-DOMAIN\ihrWindowsName“ und das kann nicht funktionieren. Entweder
      ssh <TU-ID>@lclusterXX.hrz.tu-darmstadt.de oder
      ssh -l <TU-ID> lclusterXX.hrz.tu-darmstadt.de
    • Ändern Sie Ihr TUID-Passwort. Dieses geänderte Passwort wird wenige Sekunden später auf den HLR synchronisiert .
  • Lesen Sie die (ssh-) Fehlermeldung genau und vollständig durch. Manchmal enthält sie das exakte Kommando, das Ihr akutes Problem behebt.
  • Fehlermeldung „message authentication code incorrect“ – Windows hat ein seltsames Problem mit dem Hash-based Message Authentication Code.
    Fügen Sie die ssh-Option „-m hmac-sha2-512“ hinzu.
  • Versuchen Sie, sich gezielt über IPv4 or IPv6 anzumelden:
    ssh -XC –4 <TU-ID@>lcluster15.hrz.tu-darmstadt.de
    ssh -XC –6 <TU-ID@>lcluster17.hrz.tu-darmstadt.de
  • Verwenden Sie die jüngste Version Ihres Zugangsprogramms (PuTTY / KiTTY / BitVise / WinSCP / FileZilla)?
    Von Zeit zu Zeit passen wir die erlaubten (noch als sicher geltenden) Schlüssel-Typen und -Aushandlungsverfahren der Loginnodes an, und ältere Programme beherrschen u.U. nicht alle jüngeren Ciphers und Algorithmen.
  • Haben Sie kurz zuvor Kommandos zu Ihrer .bashrc oder .bash_profile hinzugefügt? Wenn diese fehlschlagen, kann das zum fehlerhaften Beenden der gesamten bash führen, und das „sieht“ dann so aus, als hätten Sie keinen Zugriff mehr.
    Falls seitdem nur interaktive Logins nicht mehr gehen: versuchen Sie, die zuletzt geänderte Startup-Datei mit einem scp-Programm (BitVise / WinSCP / FileZilla) entweder
    • herunterzuladen, die jüngsten Änderungen darin auszukommentieren und sie wieder hochzuladen
      oder
    • sie einfach zu löschen (Ihre letzte Version können Sie dann aus .snapshots/ wiederherstellen).

Wenn all das nicht funktioniert, eröffnen Sie bitte ein , immer unter Nennung Ihrer TUID (keine Matrikel-Nr.) und vorzugsweise von Ihrer dienstlichen TUDa-Mailadresse aus.

Vermeiden Sie „Screenshots“ Ihres Terminalfensters in Bildformaten (jpg/png o.ä.) – ein einfaches Copy&Paste des Textes mit Versuch und Fehlermeldung reicht!

Gibt es keine eindeutige Fehlermeldung, aktivieren Sie bitte den „verbose“-Modus mit „ssh -vv …“ und schicken uns die Ausgabe (bitte auch nur als Text, nicht als Screenshot/Bild!).

Seit Juni 2020 ist ein neuer Synchronisierungsmechanismus in Kraft: sowie Sie Ihr TUID-Passwort im IDM-System der TU Darmstadt ändern, wird auch Ihr Login-Passwort zum Lichtenberg-Cluster damit synchronisiert.

Bei neuen Nutzer_innen ist dies von Anfang an der Fall, also schon der erste Login zum Lichtenberg erfolgt mit dem TUID-Passwort.

Bei bestehenden Benutzer_innen gilt vorerst unverändert deren altes HLR-Passwort (das, was zuletzt auf dem „HLR“-Tab im alten „ANDO“-Portal gesetzt wurde).

Bei der ersten/nächsten Änderung des TUID-Passworts über das IDM-Portal wird auch das alte HLR-Passwort durch das neue TUID-Passwort überschrieben.

All das gilt ebenso für Gast-TUIDs.

Projekte

Mit dem "member „-Kommando (neu seit November 2022) – ohne Parameter ausgeführt – kann man die eigenen Mitgliedschaften in aktiven HLR-Projekten auflisten.

Außerdem werden Ihre zur Zeit aktiven Projekte bzw. Mitgliedschaften nächtlich in einer Datei namens .project in Ihrem HOME-Verzeichnis aktualisiert:

 cat $HOME/.project

(siehe auch “Hinweise " zum Projektantrag).

  • Direktor des Instituts (DI):Die meisten Fachbereiche sind in mehrere Institute/Fachgebiete unterteilt. Falls das in Ihrem Fall nicht zutrifft, setzen Sie hier bitte den Dekan oder zumindest eine_n wissenschaftliche_n Mitarbeiter_in mit Personalverantwortung für Ihre Forschungsgruppe ein (Gruppenleiter_in).
  • Principal Investigator (PI): ist für die wissenschaftlichen Aspekte des Projekts verantwortlich. Dies kann ebenfalls der DI sein, aber auch ein_e Juniorprofessor_in bzw. ein_e PostDoc.
  • Project Manager / Person of Contact (PoC): Im Allgemeinen ist dies die Person, die den Großteil der Projektrechnungen durchführt und für die administrativen Aspekte des Projekts zuständig ist. Für uns Betreiber ist die-/derjenige auch „Person of Contact“ für technische Probleme.
  • Member / Additional researcher (AR): Alle anderen Forschenden, die auf diesem (und für dieses) Projekt rechnen – Kolleg_innen, weitere Doktorand_innen, Studierende und HiWis.

Die nach Größe der Ressourcen gestaffelten Projekt-Klassen finden Sie in der Tabelle auf unserer Projekt-Seite .

Neben reinen Rechenprojekten können Sie noch Mitglied in eher technischen Abrechnungsformen sein (z.B. Kurse/Praktika).

Allgemein gilt folgendes Namensschema:

  • project<5#>
    Das ist ein Small- (bzw. Vorbereitungs-) Projekt.
  • p<7#>
    Das sind NHR-Projekte (NHR-Normal bzw. NHR-Large).
  • special<5#>
    Technische Projekte für bestimmte Gruppen
  • kurs<5#>
    Workshops und Vorlesungen/Seminare mit praktischen Übungen auf dem Lichtenberg-Cluster (siehe "Lehre and Workshops ").

Inhaber_in eines Projekts, also Projektmanager_in, ist meist ein_e wissenschafltiche_r Mitarbeiter_in. Diese_r PM kann ihrem/seinem Projekt weitere Personen hinzufügen, z.B. Bachelor- oder Masterstudierende oder Kolleg_innen, mit denen gemeinsam an diesem Projekt gearbeitet werden soll.

Alle diese Mitnutzer_innen müssen ihr eigenes Benutzerkonto auf dem HLR haben, bevor sie dem Projekt hinzugefügt werden können.

Achtung: Während Projekte ausdrücklich von mehreren genutzt werden können, ist es untersagt, ein Benutzerkonto zu teilen, also anderen Personen das Passwort oder den privaten ssh-Key zukommen zu lassen!

Generell sind die „Lichtenberg-lokalen“ oder auch Small-Projekte mit Limit und Laufzeit ungefähr für eine Doktorarbeit gedacht bzw. zur Vorbereitung größerer (NHR-) Projekte.

Für längere Laufzeiten als ein Jahr sind Folgeprojekte erforderlich.

Der erste Projektantrag sollte trotzdem die Ziele der gesamten wissenschaftlichen Arbeit darstellen, und nicht nur die des ersten Jahres.

Wenn die Obergrenze eines Small-Projekts nicht ausreicht, beantragen Sie bitte ein NHR- Normal- oder -Large-Projekt über das JARDS-Portal.

Die/der Projektmanager_in (PM oder PoC – Person of Contact) ist verantwortlich für die Beantragung und (nach Beendigung) den Projektbericht.

Während der technischen Begutachtung arbeitet die/der PM mit dem HRZ/HPC-Team und reicht danach das vollständig unterschriebene Projektformular im Original ein.

Studierende können eigene Projekte für Ihre Bachelor- oder Masterarbeiten beantragen.

Der Projektantrag muss von der/dem PM/PoC und PI (Professor_in oder Postdoc) unterschrieben werden.

Um ein “Small” (oder Vorbereitungs-) Projekt zu beantragen, ist nur das Web-Form auszufüllen, der Antrag auszudrucken und (vollständig unterschrieben) an das HRZ/HPC zu senden.

Dieses Web-Formular erfragt nur einige technische Details des Projekts und eine Kurzbeschreibung der wissenschaftlichen Projektziele (150-300 Worte).

Voraussetzungen für die größeren NHR-Projekte können Sie auf dem JARDS-Portal nachlesen.

Small”-/Vorbereitungs-Projekte können jederzeit eingereicht werden und wir bearbeiten sie zeitnah in der Reihenfolge ihres Eintreffens.

Die für die größeren NHR-Projekte unter Umständen gültigen Einreichungstermine/Stichtage finden Sie auf dem JARDS-Portal.

Alle Projekte werden zunächst einem technical review durch das HRZ/HPC-Team unterzogen.

Falls ein Projektantrag nicht genau genug ist (z.B. in Bezug auf Größe oder Laufzeit der Einzeljobs), kontaktieren wir die/den Antragsteller_in (PM) für Klarstellungen und Verbesserungen.

Nach dem erfolgreichen Abschluss des TR werden „Small“-Projekte umgehend aktiviert und gestartet.

NHR-Normal- und NHR-Large-Projekte werden zusätzlich zum TR noch wissenschaftlich von Gutachtern bewertet, die sich mit dem Hochleistungsrechnen im Forschungsgebiet des Projekts auskennen.

Auf Basis dieser Gutachten entscheidet das Resource Allocation Board im NHR-Verbund für (oder gegen) das Projekt, und weist ihm die beantragten (oder gekürzten) Ressourcen zu.

Die minimale Laufzeit ist 3 Monate, und die maximale Laufzeit jedes Projekts ist ein Jahr, ungeachtet der Projektklasse.

Ist abzusehen, dass die Rechnungen weniger als ein Jahr benötigen, können (und sollten) Sie das im Projektantrag so angeben.
Da die Rechenzeit-Ressourcen gleichmäßig über die Projektlaufzeit zugeteilt werden, erhalten Projekte mit kürzerer Laufzeit mehr Ressourcen pro Monat, was pro Job eine höhere Priorität ergibt.

In begründeten Fällen ist eine Verlängerung der Projektlaufzeit um einen oder zwei Monate möglich – auch über ein Jahr hinaus.

Falls Ihr wissenschaftliches Projekt auf mehrere Jahre geplant ist, müssen Sie jährlich ein Folgeprojekt beantragen.

Wie maßgebliche Beiträge von Team-Mitgliedern und Mitarbeitenden an einer Publikation in Form von Referenzen honoriert werden, sollte auch die auf dem Lichtenberg-Cluster gewährte Hochleistungs-Rechenzeit in der Publikation gewürdigt werden.

Solche Erwähnungen vertiefen das Verständnis der Bedeutung des Hochleistungsrechnens für die Wissenschaft und machen deutlich, wie wichtig HPC-Ressourcen sind.

Daher sind wir dankbar, wenn dieser Beitrag in allen Veröffentlichungen ausdrücklich referenziert wird, die mit Unterstützung des Hochleistungsrechners entstehen:

The authors gratefully acknowledge the computing time provided to them on the high-performance computer Lichtenberg at the NHR Centers NHR4CES at TU Darmstadt. This is funded by the Federal Ministry of Education and Research, and the state governments participating on the basis of the resolutions of the GWK for national high performance computing at universities (www.nhr-verein.de/unsere-partner).

Falls Sie außerdem Hilfe und Unterstützung durch das HKHLR hatten, freut sich dieses Team über eine Erwähnung à la:

The authors would like to thank the Hessian Competence Center for High Performance Computing – funded by the Hessian State Ministry for Higher Education, Research und the Arts – for helpful advice.

Im TU Biblio-System ist eine extra Unterkategorie „Hochleistungsrechner„ (in der Kategorie “Bereiche" – „Hochschulrechenzentrum“) eingerichtet worden.

Bitte nutzen Sie einfach diese Referenz für Veröffentlichungen mit Beiträgen durch Hochleistungsrechnen, dann erscheint sie automatisch in dieser Liste von Publikationen mit Bezug zum Lichtenberg-HLR.

Häufig gestellte Fragen zum Batchsystem

Jobs vorbereiten

Nur mit diesen Pflichtangaben kann der Scheduler entscheiden, auf welchen Compute-Knoten er den Benutzerjob zur Ausführung bringt.

Wenn man z.B. kein --mem-per-cpu= angibt, würde ein Job mit sehr großen Hautspeicheranforderungen u.U. auf einem Knoten mit zu wenig RAM ausgeführt werden und abstürzen.

Um es „spielerisch“ auszudrücken: mit den Ressourcenanforderungen aller im Batchsystem eingestellten Jobs muss der Scheduler eine Art „multidimensionales Tetris“ spielen, um die Jobs mindestens nach den Dimensionen Laufzeit, Hauptspeicherbedarf und CPU-Core-Anzahl möglichst effizient im Cluster zu plazieren. (Im Hintergrund spielen noch viele andere Parameter als diese drei eine Rolle.)

Mindestens diese drei muss man also angeben, um dem Scheduler etwas zum Verteilen an die Hand zu geben.

Ja, das geht mit dem Parameter „--test-only“ bei „sbatch“:

sbatch --test-only submit_tests
[E] sbatch: Job 12…78 to start at yyyy-mm-ddThh:mm:ss using XX processors on nodes mpsc[000y-000z] in partition P

Antwortet das System mit solch einer Meldung, würde Slurm diesen Job so annehmen und voraussichtlich zu der (geschätzten!) Zeit anlaufen lassen.

Obwohl das System auch diese Meldung scheinbar als Fehler klassifiziert („[E] …“), ist bei obiger Ausgabe kein echter Fehler aufgetreten.

Sollten Sie aber z.B. einen erforderlichen Parameter vergessen haben, sähe die Ausgabe zum Beispiel in etwa so aus:

[E] Missing runlimit specification – Use --time=<[hh:]mm>

Wenn sich sbatch <jobscript> über fehlende Angaben beschwert, obwohl Sie genau diese in Form von Pragmas

#SBATCH …

definiert haben, kann das an Windows-Zeilenenden liegen, die von UNIX/Linux nicht als gültig erkannt werden.

Wenn Sie das fragliche Jobscript auf Ihrem Windows-PC erzeugt und per scp auf einen Loginnode übertragen haben, wandeln Sie es einfach per

dos2unix jobscriptfile

in ein UNIX/Linux-File um.

Sollten die obigen Fehler dann immer noch auftreten, überprüfen Sie die Minus- bzw. Bindestrich-Zeichen „-“. Hier können sich Gedanken- oder Geviertstriche eingeschlichen haben, die nicht als Parameter-Einleitungszeichen wirken können.

Prüfung auf falsche Zeilenenden

Bevor Sie Jobs abschicken, müssen Sie ermitteln, wieviele CPUs (= Kerne) Sie am besten nutzen, wieviel Hauptspeicher Ihr wissenschaftliches Programm benötigen wird und wie lange es für die Berechnungen mindestens laufen muss.

Falls Ihr wissenschaftliches Programm und vergleichbare Probleme in Ihrer Arbeitsgruppe bereits bearbeitet werden, erkundigen Sie sich bei Ihren Kollegen nach deren Erfahrungen damit.

Falls Sie mit neuem Programm oder neuem Problem starten: bereiten Sie sich einen vergleichsweise kleinen Testfall vor (nicht mehr als 30 Minuten Laufzeit) und lassen Sie ihn auf einem der Login-Knoten mit der gewünschten Anzahl CPU-Kernen unter der Kontrolle des UNIX-„time“-Kommandos laufen:

/bin/time --format='MaxMem: %Mkb, WCT: %E' myProgram <testcase>

Danach erhalten Sie auf dem STDERR -Kanal zum Beispiel die Ausgabe

  • MaxMem: 942080kb, WCT: 1:16.00

Nach Umrechnung von „MaxMem“ in MBytes (durch 1024 dividieren) können Sie Ihren #SBATCH --mem-per-cpu=-Parameter für diesen Testlauf wie folgt errechnen:

MaxMem in MByte
--------------------- (zuzüglich Sicherheitspuffer)
# der Prozessorkerne

Ihre maximal benötigte Laufzeit ( #SBATCH -t d-hh:mm:ss im Jobscript) ist dann die obige WCT" (wiederum zzgl. Sicherheitszuschlag).

In unserem Beispiel und falls Sie 4 Prozessorkerne benutzt haben:

 942080 / 1024 / 4 =
--mem-per-cpu=230

Wenn Sie Ihren Testfall mit jeweils 2, 4, 8 und 16 Prozessorkernen laufen lassen, bekommen Sie einen groben Eindruck von der Skalierbarkeit Ihres Problems, und können die für Ihre echten Jobs nötige Laufzeit und den Hauptspeicherbedarf besser abschätzen.

In Kürze und hierarchisch dargestellt: der Lichtenberg-Cluster besteht aus

  • Rechenknoten
    einzelne, unabhängige Rechner vergleichbar einem PC/Laptop (nur mit mehr und leistungsfähigerer Hardware)
    Ein Rechenknoten besteht aus
    • zwei oder mehr CPUs (central processing units oder Prozessoren), die je in einem eigenen „socket“ stecken.
      CPUs sind die eigentlichen „programmausführenden“ Komponenten eines Knotens.
      Eine CPU besteht aus
      • mehreren Kernen, die man als separate Ausführungseinheiten innerhalb einer CPU verstehen kann.
        Je mehr Kerne, desto mehr unabhängige Prozesse bzw. Ausführungsstränge (threads) können gleichzeitig ausgeführt werden.
        Jeder Kern kann entweder von
        • einem Prozess bzw. Task (MPI)
          oder
        • einem Ausführungsstrang (thread) benutzt werden
          Solch „Multithreading“ kann z.B. mit POSIX-Threads oder heutzutage meistens OpenMP (Open MultiProcessing) umgesetzt sein.

Eine reine MPI-Applikation würde also so viele verschiedene Prozesse (= Tasks) starten wie insgesamt an Rechenkernen (cores) angefordert wurden. Diese Prozesse kommunizieren dann miteinander über MPI.

Die Prozesse eines MPI-Jobs können auch über mehrere Rechenknoten verteilt laufen, wobei die MPI-Transfers dann über Infiniband gehen.

Eine reine Multithreaded-Applikation hingegen startet nur einen Prozess, der sich dann selbst in mehrere unabhängige Ausführungsstränge aufspaltet. Jeder dieser Threads hat im Optimalfall einen einzelnen Kern zur Verfügung, so dass ein einziger Prozess viele Kerne gleichzeitig nutzen kann.

Die heute üblichen Programme nutzen dazu meist OpenMP (siehe $OMP_NUM_THREADS in der Dokumentation Ihres Programms).

Solche Applikationen können nicht über mehrere Knoten verteilt rechnen, dafür aber alle Kerne eines Rechenknotens im selben Programm nutzen.

Hybride Applikationen kombinieren beide Parallelisierungsverfahren: pro verfügbarem Rechenknoten starten sie z.B. nur einen Prozess (= Task), der dann wiederum die auf jedem einzelnen Knoten verfügbaren Kerne mittels Threads ausnutzt. Die Threads kommunizieren verzögerungsfrei über ihren gemeinsamen Hauptspeicher innerhalb eines Knotens, während die Prozesse wiederum mittels MPI die Knotengrenzen überwinden.

.

Wichtig in diesem Zusammenhang:

Aus historischen Gründen (aus der Ära vor den heutigen Mehrkern-CPUs) hat SLURM Parameter, die scheinbar auf CPUs zugeschnitten sind (.z.B.. --mem-per-cpu=).

Heutzutage meint das jedoch immer Kerne statt CPUs! Das mag verwirrend sein, aber die Regel ist einfach: benutzen und berechnen Sie Ihre „--mem-per-cpu“-Werte einfach so, als hieße der Parameter „--mem-per-core“.

Für sehr viele ähnliche Jobs raten wir dringend davon ab, Shellscript-Schleifen um „sbatch / squeue“ herum zu basteln. Nutzen Sie für >20 Jobs stattdessen einfach Job Arrays in Slurm.

Dieses Vorgehen entlastet nicht nur den Slurm-Scheduler bei seiner Arbeit, sondern Sie können auch wesentlich mehr Array-Tasks submittieren als Einzeljobs!

Beispiele für Anwendungsfälle sind:

  • dasselbe Programm, dieselben Parameter, aber wechselnde Input-Daten
  • dasselbe Programm, dieselben Input-Daten, aber jeweils verschiedene Parameter-Sets
  • nicht-parallelisiertes Programm (das also nicht mehrere Cores [Multi-Threading] oder gar mehrere Nodes [MPI] nutzen kann), das große Mengen an separaten Input-Daten bearbeiten soll, wobei kein Einzellauf von Ergebnissen eines anderen abhängt (z.B. Einzelbildanalyse), auch High-Throughput Computing genannt

Benennen Sie die jeweils „zahlreichen“ Bestandteile mit durchgehender Numerierung: image1.png, image2.png oder paramFile1.conf, paramFile2.conf etc.

Haben Sie z.B. 3124 Sets, setzen Sie ein Jobscript mit

_______________

#SBATCH -a 1-3124
myProgram image$SLURM_ARRAY_TASK_ID.png > image$SLURM_ARRAY_TASK_ID.png.out

_______________

auf und submittieren Sie es. Slurm startet jetzt einen einzigen Job mit 3124 ArrayTasks, die jeweils ihre eigene Bilddatei analysieren und das Ergebnis in jeweils ihre eigene Ausgabedatei schreiben.

Auch für die mittels „-o“ und „-e“ spezifizierten Ausgabe- und Fehlerdateien können Sie "%. -Platzhalter nutzen:

#SBATCH -o /path/to/my/dir/out_%A_%a.txt
#SBATCH -e /path/to/my/dir/err_%A_%a.txt

%A = $SLURM_ARRAY_JOB_ID (die „obere“, gemeinsame Job-ID – identisch für alle ArrayTasks)
%a = $SLURM_ARRAY_TASK_ID (die unterschiedliche, hochzählende Nummer jeder einzelnen ArrayTask)

Wenn Sie die Anzahl gleichzeitig laufender ArrayTasks limitieren müssen, nutzen Sie

#SBATCH -a 1-3124%10

Dann lässt Slurm höchstens 10 Tasks gleichzeitig laufen.

Weitere Details finden Sie in 'man sbatch' unter „--array=“., oder auf der Slurm-Website .

Den meisten wissenschaftlichen Programmen kann man die Zahl der zu nutzenden CPU-Kerne bzw. GPUs als Parameter mitteilen.

Anstatt nun jedesmal sowohl die „#SBATCH …“-Anforderungszeilen als auch die Kommandozeile Ihres Programms ändern zu müssen, können Sie Slurm-Variablen nutzen. Diese werden zum Zeitpunkt der Job-Allokation (Start) gesetzt und stehen im Script zur Verfügung.

Wenn Ihr Programm zum Beispiel MultiThreading in Form von OpenMP nutzt, können Sie Ihr Job-Skript folgendermassen vereinfachen:

#!/bin/bash
#SBATCH -c ##
export OMP_NUM_THREADS=$SLURM_CPUS_PER_TASK
/Pfad/zu/meinem/wissenschaftlichenProgramm …

Es wird dann immer genau die Anzahl an CPU-Kernen nutzen, die Sie mit „-c ##“ angefordert haben.

Gleiches gilt für GPUs. Wenn die Dokumentation Ihres Programms beispielsweise angibt, dass die Zahl der zu nutzenden GPU-Karten mit dem Parameter „--num-devices=#“ anzugeben ist:

#!/bin/bash
#SBATCH --gres=#
/Pfad/zu/meinem/wissenschaftlichenProgramm --num-devices=$SLURM_GPUS_ON_NODE … 

Auf diese Weise müssen Sie nur die #SBATCH-Zeilen mit „-c ##“ bzw. „--gres=#“ anpassen, und Ihre Programme laufen automatisch immer mit den tatsächlich angeforderten Ressourcen.

(Bitte übernehmen Sie das # nicht direkt in Ihre Scripts – ersetzen Sie es durch die gewünschte Zahl der Kerne/GPUs.)

Hier können Sie die „--multi-prog“-Option von srun nutzen – damit werden in einer einzigen Allocation (=Job) verschiedene Programme gestartet.

 #!/bin/bash
 #SBATCH … 
 srun … --multi-prog myCtrlWorker.conf

Die Datei myCtrlWorker.conf ist nach dem Schema

 Nr /path/to/program <parameter>

aufgebaut, und enthält pro Zeile die Definition, welcher MPI-Rank („Nr“ ⇦ #SBATCH --ntasks=XX) was genau mittels srun und mit welchen Parametern starten soll.

Sollten die „Worker“-Instanzen einen Parameter für ihre jeweils eigene „Nummer“ verlangen, können Sie dort die Platzhalter „%t“ bzw. „%o“ verwenden (siehe ' man srun' unter MULTIPLE PROGRAM CONFIGURATION).

Beispiel

… für einen Controller, der 24 Worker ansteuert:

 # MPI rank, then path to binary
 1 /path/to/controller_program <parameter for controller>
 2-25 /path/to/worker_program <parameter for worker, z.B. WorkerID=%o>

Hier wird srun also zuerst (1) den Controller starten, danach 24 einzelne (2-25) „Worker“-Instanzen, die ihre jeweilige Nummer durch %o erfahren.

Beispiel

… für beliebig viele Worker (Anzahl nur bestimmt durch #SBATCH --ntasks=XX):

 # MPI rank, then path to binary
 1 /path/to/controller_program <parameter for controller>
 * /path/to/worker_program <parameter for worker, z.B. WorkerID=%o>

Der Stern * steht hier für „alle weiteren Ranks“ (ab 2 aufwärts).

Wie genau Controller- und Worker-Prozesse dann im Hauptspeicher „zueinander finden“ bzw. welche Parameter dazu nötig sind, entnehmen Sie bitte der Programm-Dokumentation.

Wartende Jobs

Die von Slurm-Kommandos wie „squeue“ oder „sprio“ angezeigten Prioritätswerte sind immer relativ zueinander und relativ zur momentanen Last auf dem Cluster zu verstehen. Es gibt keinen „Absolut“- bzw. „Schwellwert“ der Priorität, ab der Jobs unabdingbar anlaufen.

So kann in Phasen geringer Last auf dem Cluster bereits ein kleiner Prioritätswert genügen, um Jobs (auf den freien Ressourcen) umgehend anlaufen zu lassen. Zu Zeiten hoher Last und gar keiner freien Ressourcen kann hingegen selbst ein viel höherer Prioritätswert nicht verhindern, dass die Jobs lange warten müssen.

Da die Standardlaufzeit von Jobs 24h beträgt, müssen in Phasen hoher Last auch mindestens 24 Stunden Wartezeit einkalkuliert werden…

Sie können sich mit dem Kommando „squeue --start“ vom Scheduler eine Schätzung anzeigen lassen, wann ungefähr Ihre Jobs anlaufen werden.

Die Ausgabe „N/A“ ist dabei völlig normal, denn der Scheduler betrachtet nicht bei jedem Scheduling-Durchlauf jeden Job. So kann es eine Weile dauern, bis der Scheduler auch nur zu dieser „Schätzung“ für Ihre wartenden Jobs gelangt.

Generell hängt die Wartezeit eines Jobs nicht nur von der Priorität Ihrer Jobs ab, sondern auch von der momentanen Auslastung des Clusters. Darum läßt sich ganz allgemein keine 1:1-Beziehung zwischen Priorität und Wartezeit errechnen.

Auf dem Lichtenberg-HLR läuft der Scheduler im „Fair Share“-Modus: je mehr Rechenzeit Sie verbrauchen (insbesondere über Ihr monatliches Projektkontingent hinaus), desto geringer wird Ihre Priorität.

Diese Reduktion Ihrer Priorität hat aber eine Halbwertszeit von ca. 14 Tagen, so dass sich Ihr Wert über die Zeit hinweg „erholt“.

Am besten verbrauchen Sie Ihre Rechenzeit gleichmäßig über die gesamte Projektlaufzeit (siehe 'csreport'), dann sinkt Ihre Priorität auch nur moderat ab.

Bei einer geplanten Auszeit teilen wir dem Batchsystem vorher mit, wann die Auszeit beginnt. Aufgrund Ihrer Angaben, wie lange Ihre jeweiligen Jobs laufen werden (#SBATCH -t d-hh:mm:ss im Jobscript), entscheidet der Batch-Scheduler, ob Ihr Job sicher vor der Auszeit beendet werden kann. In diesem Fall lässt er ihn noch anlaufen.

Wartende Jobs (Status „PENDING“), die nicht mehr vor der Auszeit beendet werden können, laufen also auch gar nicht mehr an.

Alle wartenden Jobs in allen Queues (Status „PENDING“) bleiben über Auszeiten und Ausfälle hinweg erhalten, und werden wie gewohnt prioritätsgesteuert nach der Auszeit anlaufen.

Laufende Jobs

Prüfen Sie das Vorhandensein von allen Verzeichnissen, die Ihr Jobscript angibt, und ob Sie dort schreibberechtigt sind.

Insbesondere das Verzeichnis, das Sie mit

#SBATCH -e /path/to/error/directory/%j.err

spezifizieren, muss bereits vor Anlaufen des Jobs existieren und für Sie beschreibbar sein.

Slurm bricht Ihren Job sofort und kommentarlos ab, wenn es wegen eines fehlenden Verzeichnisses die Output- und Error-Dateien nicht schreiben kann.

Ein Konstrukt innerhalb des Jobscripts wie

#SBATCH -e /path/to/error/directory/%j.err
mkdir -p /path/to/error/directory/

ist ein „Henne und Ei“-Problem und kann daher auch nicht funktionieren: für Slurm ist der „mkdir“-Befehl ja Bestandteil des Jobs, dessen eventuelle Ausgaben (STDOUT oder STDERR ) in das noch nicht existierende Verzeichnis geschrieben werden müssten.

Stellen Sie sicher, dass alle relevanten Module in Ihrem Jobscript geladen werden.

Sie können die nötigen Module zwar nach dem Login direkt auf dem Loginknoten laden, weil diese dann von „sbatch myJobScript“ an den Job „vererbt“ werden, aber das ist nicht zuverlässig.
Stattdessen macht es Ihre Jobs von den in der Login-Umgebung geladenen Modulen abhängig.

Darum empfehlen wir, jedes Jobscript mit

module purge
module load <each and every relevant module>

zu beginnen, um genau die (und nur die) Module zu laden, die Ihr wissenschaftliches Programm benötigt.

Das erleichtert auch die spätere Reproduzierbarkeit Ihrer Jobs, ganz unabhängig von dem Modulset, was Sie damals in Ihrer Login-Session geladen hatten.

Dieses Verhalten kann auftreten, wenn der Job mehrfache verschachtelte Aufrufe von srun (oder mpirun) enthält. Der zweite („innere“) Aufruf versucht dann, dieselben Ressourcen zu allozieren wie der erste („äußere“), und das kann nicht gehen.

1. Script statt ausführbares Programm:

Wenn in Ihrem Jobscript

srun /path/to/myScientificProgram

steht, prüfen Sie, ob „/path/to/myScientificProgram“ nicht vielleicht ein Script ist, das selbst wiederum srun (oder mpirun) aufruft.

In diesem Fall entfernen Sie einfach das srun vor /path/to/myScientificProgram.

2. Allokation per #SBATCH und per 'srun':

Eine solche unabsichtliche „Verschachtelung“ ist auch ein Jobscript mit zwei Allokationen: die „äußere“ per #SBATCH -n 16 und die „innere“ mit srun -n 16:

#SBATCH -n 16
srun -n 16 … /path/to/myScientificProgram

Lassen Sie hier einfach das „-n 16“ bei 'srun' weg, denn der Vorteil von srun gegenüber mpirun ist ja gerade, dass srun von Slurm alles über den Job weiß und „erbt“.

Beispiel-Fehler:

srun: Job XXX step creation temporarily disabled, retrying
srun: error: Unable to create step for job XXX: Job/step already completing or completed
srun: Job step aborted: Waiting up to 32 seconds for job step to finish.
slurmstepd: error: *** STEP XXX.0 ON hpb0560 CANCELLED AT 2020-01-08T14:53:33 DUE TO TIME LIMIT ***
slurmstepd: error: *** JOB XXX ON hpb0560 CANCELLED AT 2020-01-08T14:53:33 DUE TO TIME LIMIT ***

OpenMPI hat unter SLURM die Einschränkung, dass genau diese Routine MPI_Comm_spawn() zum späteren Nachstarten von MPI-Ranks nicht funktioniert.

Wenn Ihr Programm dieses Feature unbedingt nutzen muss, bleibt nur der Wechsel zu einer anderen MPI-Implementierung wie z.B. „intelmpi“ übrig.

Beispielfehler:

[mpsc0111:1840264] *** An error occurred in MPI_Comm_spawn
[mpsc0111:1840264] *** reported by process [2377252864,38]
[mpsc0111:1840264] *** on communicator MPI_COMM_SELF
[mpsc0111:1840264] *** MPI_ERR_SPAWN: could not spawn processes
[mpsc0111:1840264] *** MPI_ERRORS_ARE_FATAL (processes in this communicator will now abort,
[mpsc0111:1840264] *** and potentially your MPI job)

Slurm kann nicht erkennen, welches der Kommandos in einem Job (script) wirklich „wichtig“ ist. Der einzige Mechanismus zur Feststellung von Erfolg oder Fehler ist der exit code Ihres Jobscripts, nicht der „echte“ Verlauf Ihres wissenschaftlichen Programms.

Programme, die sich an gängige Programmierkonventionen halten, beenden sich mit einem exit code von 0, wenn alles geklappt hat, und >0 im Fehlerfall.

Der exit code eines Skripts ist der seines letzten Kommandos.

Im folgenden Beispiel

#!/bin/bash
#SBATCH …
myScientificProgram …

ist das zuletzt ausgeführte Kommando wirklich das wissenschaftliche Programm, und damit endet das gesamte Jobscript wie gewünscht auch mit dessen exit code. Slurm wird den Job nun als COMPLETED behandeln, wenn „myScientificProgram“ mit 0 geendet hat, und als FAILED, falls nicht.

Fügt man nun aber irgendwelche anderen Kommandos (zum Aufräumen oder Resultate-Kopieren) nach „myScientificProgram“ ein, überschreiben diese den exit code des eigentlichen Programms:

#!/bin/bash
#SBATCH …
myScientificProgram …
echo „Job beendet“

Jetzt bestimmt das Ergebnis des „echo“-Befehls den exit code des gesamten Jobscripts, weil es sein letztes Kommando ist. Klappt der „echo“-Befehl (und das tut er fast immer), wird Slurm den Job als COMPLETED betrachten und so vermelden, obwohl „myScientificProgram“ eine Zeile vorher komplett fehlgeschlagen sein könnte.

Um das zu vermeiden (und trotzdem nach der eigentlichen wiss. Rechnung noch Kommandos auszuführen), muss man den „wichtigen“ exit code vor den nächsten Kommandos zwischenspeichern:

#!/bin/bash
#SBATCH …
myScientificProgram …
EXITCODE=$?
/any/other/job/closure/cleanup/commands …
echo „Job beendet“
exit $EXITCODE

Hier wird der exit code von „myScientificProgram“ in der Variablen $EXITCODE zwischengespeichert. Trotz der darauffolgenden Kommandos kann man das Jobscript nun via exit-Befehl mit dem „echten“ exit code beenden, der Ihnen wichtig ist.

Dadurch empfängt Slurm jetzt den exit code der wiss. Berechnung (statt den des zufällig letzten Kommandos im Jobscript) und wird nur noch solche Jobs als COMPLETED vermelden, bei denen „myScientificProgram“ fehlerfrei durchgelaufen ist.

Wenn Sie für jeden Job wissen wollen, wann genau er startet und endet, können Sie dies mit je einer einzigen Zeile in den STDERR -Kanal schreiben lassen (den die mit „#SBATCH -e …“ angegebene Datei aufzeichnet):

-----------------------

#SBATCH …
/usr/bin/date +„Job ${SLURM_JOBID} START: %F_%T.%3N“ >&2
module purge
module load module1 module2 module3
/path/to/my/scientific/program …
EXITCODE=$?
/usr/bin/date +„Job ${SLURM_JOBID} END: %F_%T.%3N“ >&2
exit ${EXITCODE}

-----------------------

Ohne extra Zeilen mit „echo“ o.ä. gibt Ihnen jetzt das „date“-Kommando die exakten Zeiten aus, und Sie haben immer die genaue Laufzeit Ihrer „Payload“.

Zu den mit % spezifizierten Platzhaltern für die Datums- und Zeitangaben konsultieren Sie einfach 'man date' unter „FORMAT controls“.

Nur während der Laufzeit eines Ihrer Jobs, und nur die Rechenknoten, die Ihre(n) Job(s) gerade ausführen.

Details dazu finden Sie in unserer "SLURM-Sektion (wird in neuem Tab geöffnet) ".

Sonstiges

In unserer „Verschiedenes zu Linux“-Sektion erklären wir, wie grafische Programme und grafische Resultate am besten darzustellen sind

Wenn Sie per Mail über Statusänderungen Ihrer Jobs benachrichtigt werden wollen, schreiben Sie in Ihrem Job-Skript

#SBATCH --mail-type=…

und setzen den Parameter auf BEGIN oder END oder FAIL oder ALL, und der Scheduler wird die entsprechenden Mails an Sie versenden.

Da alle Jobs immer mit Ihrem Login-Namen – also Ihrer TU-ID – verknüpft sind, haben wir Slurm so eingestellt, dass es automatisch die zu Ihrer TU-ID gehörige eMail-Adresse verwendet. Diese wird nicht bei uns gespeichert, sondern immer aktuell aus dem IDM-System der TU abgefragt.

Ändern Sie also die Mailadresse Ihrer TU-ID, gehen die nächsten Scheduler-Mails sofort an das dort (neu) eingestellte Ziel.

Wie die Rechenknoten sind auch unsere Login-Knoten nicht mit herkömmlichen Methoden auf Festplatten installiert. Stattdessen holen sie sich bei jedem Neustart (und somit auch nach jeder Auszeit) ein Betriebssystem-Abbild über das Netzwerk und entpacken es in ihrem Hauptspeicher.

Damit haben sie nach jedem Neustart einen genau definierten (und getesteten) Zustand.

Da „cron“- und „at“-Aufträge im Systembereich gespeichert werden und dieser nach einem Neustart zurückgesetzt ist, sind Cron-Einträge nicht permanent und darum nicht verlässlich.

Damit Nutzer nicht doch welche anlegen (und sich auf deren Funktion z.B. zum Backup verlassen), haben wir „cron“ und „at“ lieber ganz abgeschaltet.

Die Zugriffsrechte in den Projekt- und Gruppen- Verzeichnissen werden über die jeweiligen UNIX-Gruppen da_p<ProjID> bzw. da_<Institutskürzel> verwaltet (im folgenden als da_XXX versinnbildlicht).

Dateien (und Verzeichnisse), die nicht der jeweiligen UNIX-Gruppe gehören oder die nicht die korrekten Zugriffsrechte haben, sind für andere Gruppen- bzw. Projektmiglieder gesperrt.

Verzeichnisse und Dateien irgendwo unterhalb von /work/projects/ bzw. /work/groups/:

  • müssen der entsprechenden Gruppe da_XXX gehören (und nicht Ihrer TUID-Gruppe)
  • Verzeichnisse müssen die Rechte drwxrws--- haben
    Das „sticky“-Bit auf der Gruppenebene sorgt dafür, dass neu angelegte Dateien in diesem Vz. automatisch die Gruppenzugehörigkeit des Elternverzeichnisses erben (und nicht die des anlegenden Benutzers)

Falsch: drwx------ 35 tuid tuid 8192 Jun 17 23:19 /work/groups/…/myDir

Richtig: drwxrws--- 35 tuid da_XXX 8192 Jun 17 23:19 /work/groups/…/myDir

Lösung:

Wechseln Sie in das Elternverzeichnis, unterhalb dessen das Problem-Verzeichnis liegt, und prüfen Sie dessen Zugriffsrechte. Stimmen sie nicht und gehört das Verzeichnis Ihnen statt der UNIX-Gruppe:

chgrp -R da_<XXX> myDir

chmod 3770 myDir

Sollte das problematische Verzeichnis nicht Ihnen gehören, bitten Sie den Inhaber, diese Kommandos auszuführen.

Verzeichnisrechte mit setGID und sticky-Bit

Wir überarbeiten diese Seiten von Zeit zu Zeit.

Bitte senden Sie uns Ihre Frage oder Ihren VOrschlag als EMail an . Dann können wir sie beantworten und gegebenenfalls hier aufnehmen.

Häufig gestellte Fragen – Software

Installation

MIt dem Kommando „module avail“ oder „module spider“ kann man sich alle global installierten Programmpakete in allen installierten Versionen anzeigen lassen.

Das module -Kommando lädt und entlädt Pfade und Umgebungsvariablen und zeigt verfügbare Software an.

Eine detaillierte Beschreibung finden Sie hier .

Wir haben unser Modulsystem in Form eines hierarchischen Baums gestaltet, bei dem viele (OpenSource-) Software-Pakete erst nach dem Laden eines (passenden) Compilers und ggf. eines (passenden) MPI-Moduls sicht- und ladbar werden.

Wenn Sie bisher weder das eine noch das andere geladen haben, tauchen also viele Pakete gar nicht in der Ausgabe von „module avail“ auf.

Wenn Sie eine Software vermissen, probieren Sie also zuerst die Kommandos

module spider <meineSW> oder
module spider | grep -i meineSW oder
module --show-hidden avail <meineSW>

aus.

Erst wenn Ihr gewünschtes Paket auch hier nicht auftaucht, müssen Sie selbst installieren oder ein Ticket aufmachen.

Schreiben Sie uns eine Mail an . Wenn davon auszugehen ist, dass das Programm von genügend anderen Nutzer_innen oder Gruppen benötigt wird, werden wir es in unserem Modulbaum global installieren.

Ansonsten können wir Sie (mit vertretbarem Aufwand) bei einer lokalen Installation z.B. in Ihrem /home/-Verzeichnis beraten und unterstützen.

Selbst installieren

Da unter Linux keinerlei administrative bzw. erhöhte Privilegien für die Installation von normalen Benutzerprogrammen erforderlich sind, können Sie einfach der Dokumentation Ihres Programms (README- oder INSTALL-Dateien) folgen und es in Ihrem persönlichen $HOME- oder in einem gemeinsamen Projekt-Verzeichnis installieren.

Lizenzen

Nein: Sie müssen prüfen, ob die SW lizenzpflichtig ist und wenn ja, ob Sie zur Nutzung einer genügenden Anzahl von Lizenzen berechtigt sind. Das wäre zum Beispiel der Fall, wenn sich Ihr Institut an den jährlichen Kosten einer TU-Lizenz beteiligt oder eine eigene Lizenz erworben hat.

Bitte beachten Sie auch die Hinweise zu Lizenzen in dieser Liste.

Grundsätzlich gilt: Es ist nicht alles erlaubt, was möglich ist.

Kommt drauf an.

Häufig werden in unseren Modulen für kommerzielle Programme Lizenzen auf den Lizenzservern der TU Darmstadt angesprochen. Diese Lizenzen stehen in der Regel exklusiv den Mitgliedern der TU zur Verfügung, die sich an den Lizenzkosten beteiligen. Im Einzelfall können Sie uns zur Abklärung eine E-Mail an senden. Wir können Sie z. B. dabei unterstützen, Lizenzen von eigenen Lizenzservern Ihres Instituts zu ziehen.

Grundsätzlich ist nicht alles erlaubt, was möglich ist.

Laufzeit-Probleme

Entfernen Sie alle nicht unbedingt nötigen Module – ein Jobscript sollte immer mit

module purge
module load <nur unbedingt notwendige Module>

beginnen, um eine „saubere“ Umgebung sicherzustellen.

Achtung: Wenn Sie auf dem Loginknoten Module laden (manuell oder automatisiert via .bashrc) und aus dieser modifizierten Umgebung heraus einen Job abschicken, erbt dieser Job die Einstellungen!
Insbesondere deswegen ist das o.a. Vorgehen empfohlen.

Analysieren Sie die zur Laufzeit Ihres Programms aktiven Libraries („shared objects“) mittels

ldd -v /pfad/zum/binary

Eventuell enthält Ihr $LD_LIBRARY_PATH doch noch ein Verzeichnis mit einer falschen oder veralteten Library, die eigentlich aus einem der geladenen Module kommen sollte.

Insbesondere der berüchtigte „Bus error“ stammt häufig von nicht (mehr) passenden Übergabewerten/Strukturen zwischen aufrufendem Binary und aufgerufener Library, die zu „verschobenen“ Speicherzugriffen und damit zum Absturz führen.

Prüfen Sie Ihre Eingabe- und Parameterdateien auf falsche DOS/Windows-Zeilenende-Zeichen . Die Linux-Version eines wissenschaftlichen Programms kommt oft mit der Windows-Kombination aus CR/LF nicht zurecht, während das die Windows-Version desselben Programms natürlich vor keine Probleme stellt.

Ein Programmabbruch erzeugt normalerweise ein Speicherabbild / core dump (unter Linux meist als Datei namens core.<PID> in dem Directory, wo es gestartet wurde).

Leider hatte das (manchmal auftretende) massenhafte Schreiben von Coredumps durch fehlerhaft aufgerufene (oder geschriebene) Programme heftige Auswirkungen auf unser cluster-weites GPFS-Dateisystem , so dass wir das Schreiben von Coredumps abgeschaltet haben.

Damit Sie jedoch Ihre Software trotzdem debuggen können, sind Coredumps nur abgeschaltet, nicht untersagt, und können wieder aktiviert werden:

ulimit -Sc unlimited
<mein problematisches Programm aufrufen>
gdb /pfad/zum/programmBinary core.<PID>

Wenn es sich wirklich um dasselbe (und nicht nur das gleiche) Binary handelt, vergleichen Sie gegenseitig

  • Ihre jeweiligen Jobscripts
  • die geladenen Module, die Sie vor dem Abschicken des Jobs (manuell oder automatisch) geladen hatten:
    module list
    (denn diese werden dem daraus abgeschickten Job vererbt)!
  • Ihrer beider Shell-Environment:
    env | sort > myEnv
  • Ihrer beider $LD_LIBRARY_PATH, bzw. die tatsächlich zur Laufzeit geladenen Libraries
    ldd /path/to/same/binary

Ja, das geht mit Hilfe der sogenannten „collections“ von LMod, unserem Modulsystem .

Details dazu finden Sie in unserer Tipps und Tricks -Sektion, und in der Man-Page von module („man module“).

Maschinen-Architektur

Auf dem Lichtenberg HPC läuft ausschließlich Linux, darum können native Windows-Executables dort nicht ausgeführt werden, ebensowenig wie MacOS-Binaries.

Fragen Sie die Hersteller Ihrer Pogramme nach Linux-Versionen: Wenn es wirklich wissenschaftliche Programme sind, ist die Chance sehr hoch, dass sie eine haben.

Wegen des unverhältnismäßig großen Aufwands unsererseits (und der fehlenden Lizenzen) können wir Anfragen nach „virtuellen Windows-Maschinen auf dem Cluster“ oder mal eben WINE zu installieren leider nur abschlägig bescheiden.

Da der Lichtenberg-HPC mit der RedHat Linux-Distribution läuft, ist sein natives Installationsformat RPM, nicht .deb.

Obwohl es Mittel und Wege gibt, .deb-Pakete nach .rpm zu konvertieren bzw. sogar auf RPM-basierenden Distributionen zu installieren (siehe die Informationen zum „alien“-Kommando im Web), führen solche „Fremdpakete“ oft zu Problemen und Seiteneffekten. Daher können solche Fremdpakete nicht auf den Lichtenberg-Knoten installiert werden.

Wenden Sie sich an den Hersteller der Software, um sie in einer Form zu erhalten, die sich ohne Installation über das Betriebssystem nutzen läßt (z.B. eine .zip- oder .tar-Datei).

Falls ihr Quellcode verfügbar ist, versuchen Sie, die Software selbst zu übersetzen.

Sonstige

Wir überarbeiten diese Seite von Zeit zu Zeit.

Bitte senden Sie uns Ihre noch unbeantwortete Frage als E-Mail an . Dann können wir sie beantworten und bei allgemeinem Interesse hier aufnehmen.