torque 安装排错

一：在管理节点发现某个节点状态为down，这种情况有两种原因

第一种原因：pbs_mom 配置文件错误

1.分析：服务pbs_mom启动后，默认首先去查看/var/spool/torque/mom_priv目录下是否有config文件，如果有则根据该文件下指出的pbsserver的主机名去联系管理节点（以该文件为准），如果没有该文件，则根据/var/spool/torque/server_name文件下指出的pbsserver的主机名去联系管理节点，那么如果这两个文件内指出的pbsserver的IP地址该计算节点都不能ping通，那么该计算节点pbs_mom日志就会报如下错误：

10/16/2015 20:49:46;0001;  pbs_mom.4538;Svr;pbs_mom;LOG_ERROR::Inappropriate ioctl for device (25)in tcp_connect_sockaddr, cannot connect to port 9 in socket_connect_addr -errno:101 Network is unreachable

10/16/2015 20:49:46;0001;  pbs_mom.4538;Svr;pbs_mom;LOG_ERROR::mom_server_all_update_stat, Couldnot contact any of the servers to send an update

当然管理节点也会显示该节点状态为down

2.解决方法:

方法⑴：如果在/var/spool/torque/mom_priv目录下存在config文件，修改该文件内$pbsserver的值为正确的管理节点主机名（该计算节点能ping通的主机名）

方法⑵：在/var/spool/torque/mom_priv目录下不存在config文件时，请确保/var/spool/torque/server_name的值为正确的管理节点主机名

 

第二种原因：/var/spool/torque/server_priv/nodes文件内，主机名错误

1.分析：首先在计算节点查看pbs_mom日志，没有发现错误，接着查看管理节点的pbs_server日志，发现如下错误信息：

10/16/201521:22:26;0001;PBS_Server.11915;Svr;PBS_Server;LOG_ERROR::get_node_from_str,Node node1.wjcyf.com is reporting on node node1, which pbs_server doesn't know about

服务pbs_server发现了一个名为node1.wjcyf.com的主机，但是根据get_node_from_str得知主机名应该为node1，所有就不能联系该计算节点

2.解决方法：

把/var/spool/torque/server_priv/nodes文件内涉及到的计算节点的主机名，全部改为“uname -n”主机名，即如果在计算节点node1上运行命令uname -n得到的主机名为node1,那么该文件内node1的主机名就写为node1，如果是node1.wjcyf.com，就写为node1.wjcyf.com，以此类推

二：明明有资源，但是提交作业后，作业却排队

第一种原因：/etc/hosts文件错误

1.分析：查看/etc/hosts文件后发现，主机名admin.site对应三个IP地址，如下所示

172.16.1.100 admin.site

192.168.10.100 admin.site admin

10.1.1.100 admin.site

2.解决方法：

去除另外两个IP地址的对应关系，只留一个（即一个主机名只能对应一个IP地址），如下所示

192.168.10.100 admin.site admin