使用实现EHPC完美并行的高效批处理方案的示例分析，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
公司专注于为企业提供网站设计制作、成都网站建设、微信公众号开发、商城网站建设，微信小程序定制开发，软件按需设计网站等一站式互联网企业服务。凭借多年丰富的经验，我们会仔细了解各客户的需求而做出多方面的分析、设计、整合，为客户设计出具风格及创意性的商业解决方案，成都创新互联公司更提供一系列网站制作和网站推广的服务。
在高性能计算场景中，用户一次业务计算可以划分为大量的任务，每个任务的处理逻辑相同，但是输入文件、参数设置和输出文件不同。由于每个任务处理逻辑相似，执行时彼此没有依赖，按照高性能计算的并行计算模式，可归为 “embarrassing parallel”一类(又被称为完美并行问题），这类问题很少或根本不需要将问题分成许多并行任务的工作，通这些并行任务之间很少或没有依赖或需要通信，这类问题有一个另外的名称，叫做“批处理”，是高性能计算领域最“完美”的一种场景。在此，给出了基于阿里云弹性高性能计算场景的数组作业解决方案——利用E-HPC集成的作业调度系统，将用户的批处理任务自动分配到数组作业，实现在云超算集群上高并发执行。同时，依靠“云”弹性，动态扩展集群的计算资源，控制批处理的完成时间。
先通过一个示例介绍批处理的场景，然后讨论高性能计算集群以及数组作业。
在高性能计算领域中，存在大批量、可同时处理的计算场景，如以下freebayes应用场景，不同任务均使用freebayes应用程序，但是每个任务处理不同的输入文件(--bam-list)、不同的参数(-r)和不同的结果文件(--vcf)。由于作业量巨大，需要任务的并发执行，以缩短任务处理时间。
高性能计算集群是将大量的计算节点通过网络互联，进行统一的管理和调度，为大规模应用运行提供计算环境，包括账号管理、调度管理、文件系统、集群监控等模块。
由于集群包含大量计算节点，通常为多个用户共同使用，每个用户可以提交多个作业，每个作业需要一个或多个计算节点。集群资源的分配是由调度管理协调，以避免资源使用冲突，常用的调度管理软件包括PBS，Slurm，SGE，LSF等。
数组作业是一组作业的集合，可以执行一条提交作业的命令，提交作业集合中的所有作业，每个作业用各自的index取值进行区分。
如使用PBS调度器提交1个数组作业，文件名为 qjob.sh，内容如下：
#!/bin/bash #PBS -N arrjob # 作业名称 #PBS -l nodes=1:ppn=1 # 每个作业需要1个计算节点，每个节点1个核的资源 #PBS -J 1-3 # 数组作业的作业编号为1，2，3 echo $PBS_ARRAY_ID # 每个作业的编号在PBS_ARRAY_ID 环境变量中
qjob.sh脚本定义了一个数组作业，包含3个作业。作业编号范围用-J指定，取值为1-3。在具体作业执行时，每个作业的编号通过环境变量$PBS_ARRAY_ID获取。通过以下命令就可以提交qjob.sh 作业：
qsub ./qjob.sh
此时，创建了3个作业，而作业能否立刻执行，需要调度器根据集群空闲资源和作业的资源需求来定。若资源充裕，3个作业可以同时运行。
从批处理和数组作业介绍看，数组作业适用批处理计算的场景，但做到简易使用，还存在以下问题：
批处理任务与作业的对应关系？当任务数量巨大时，是一个任务就是一个作业，还是一个作业包含多个任务？
如何从$PBS_ARRAY_ID到不同任务的关联？并能够方便对应不同任务的不同参数？
如何跟踪任务的执行情况？如何方便查看任务日志？在个别任务执行失败后，如何能够快速的筛选，并在调整后重新执行？
为此，我们给出使用数组作业解决批处理的方案，包括批处理任务到作业分配、批处理任务定义和任务运行及追踪功能。
当批处理任务数目巨大时，如果每个任务都分配一个作业，调度器的负载就加重，虽然调度器能够显示不同作业的运行状态，作业数目过大，也会导致查看不方便。此外，相邻任务在一个节点执行，如果使用相同文件，可以重用节点的本地缓存。
为此，若任务数为Nt，作业数为Nj，每个作业处理的任务数为 Nt/Nj，如果不能整除，作业编号小于Nt%Nj的作业多处理一个任务。如之上批处理任务，如果Nt/Nj=2，但不能整除，作业编号小的作业会处理3个任务，而编号大的作业，会处理2个任务。
从批处理任务示例中我们可以看出，每个任务进行部分参数不同，若将这些变化的部分用变量代替，则批处理任务的处理脚本为（存放在文件 task.sh中）：
$ cat task.sh #!/bin/bash echo "process $bamlist and $chrvar" #other shell commands 如通过cd $bamlist freebayes --bam-list $bamlist -r $chrvar --vcf /home/user/result/out-$bamlist.vcf ret=$? # 保留主要程序的退出状态 # other shell commands # ... ... exit $ret # 任务执行状态，0为成功，非0表示失败
其中，用$bamlist表示 --bam-list 选项的变化取值和--vcf参数取值的变化部分，用$chrvar表示 -r选型的变化取值。
将具体变化的取值，存储在变量名同名的文件中，每一行代表不同的取值，示例中有2个变量，因此需要两个文件——bamlist和chrvar。
$ cat bamlist bam1_100 bam101_200 bam201_300 bam301_400 bam401_500 bam501_600 bam601_700 bam701_800 bam801_900 ... ... bam901_1000 bam1001_1100
$ cat chrvar chr01:1-1000 chr01:1001-2000 chr03:100-200 chr12:1000-2000 chr02:100-1100 chr03:1000-2000 chr05:1000-2000 chr08:1000-2000 chr08:3000-6000 ... ... chr01:8000-9000 chr06:1000-2000
在批处理任务定义后之后，需要实现任务与作业映射、变量文件的解析和赋值。这些通用功能，E-HPC提供了ehpcarrayjob.py python 脚本，进行处理，数组作业的脚本名若为qjob.sh，其内容为：
$ cat qjob.sh #!/bin/bash PBS -N bayes.job #PBS -l nodes=1:ppn=1 #PBS -J 1-Nj cd $PBS_O_WORKDIR # 表示打开提交作业的目录。 python ehpcarrayjob.py -n Nj -e ./task.sh bamlist chrvar
通过qsub命令提交到集群上，有PBS进行调度，实现批量执行(其中Nj为作业的数目，根据需求进行替换)。
$ python ehpcarrayjob.py -h usage: ehpcarrayjob.py [-h] -n NJOBS -e EXECFILE argfiles [argfiles ...] positional arguments: argfiles optional arguments: -h, --help show this help message and exit -n NJOBS, --njobs NJOBS number of jobs -e EXECFILE, --execfile EXECFILE job command file
其中：
-n表示有多少个作业
-e指明每个任务的处理脚本（需要带路径）
argfiles 一个或多个，指定多个参数文件。
作业提交后，数组作业会分配一个作业id，如“1[].manager”，每个子作业都有自己的子作业编号，如从1-Nj。
ehpcarrayjob.py会生成以”作业id“为名的目录（如1[].manager），每个子作业在该目录下有“log.子作业编号”命名的日志文件，记录每个作业的执行情况。
当任务的返回作状态为非0（失败）时，会将任务变量的取值在”作业id“目录下记录到名为”fails.变量名.子作业编号“的文件中。待确定失败原因，修改处理脚本后，方便重新提交作业。
站在用户的角度，每次数值计算任务来了，除了要划分好批量的任务，即使有遗留的脚本，还需要改写每个任务的处理脚本。
此外，还要面对以下运行场景的问题：
这次计算需要多少资源？
到那里找这些资源？
任务能运行起来吗，出错了怎么找原因？
任务会不会重算、漏算？
机器利用能不能衔接上，会不会出现长时间空闲？
使用阿里云弹性高性能计算(E-HPC)的批处理处理方案可以解决以上问题，让工作更专注。
可以看出，借助E-HPC方案用户仅需要通过以下几个步骤：
将批处理任务中变化的取值提取出来，单独存储到一个文件中，文件名符合shell规范，如bamlist, chrvar。
编写任务处理的脚本，使用变量名（文件名同名）替换任务中的变化取值，如task.sh。
编写数组作业脚本，指明每个作业的资源需求，总作业数，调用 ehpcarrayjob.py启动批处理任务执行，如qjob.sh。
用qsub提交作业，进入”作业id“的目前查看任务处理进度以及又问题的任务列表。作业的运行状态根据集群的资源状态进行判断，如果集群节点充足，所有作业均可以运行；如果资源不满足，少量作业可以先执行。
同时E-HPC“云”超算方案还有以下优势：
具备HPC集群原有特性，方便用户登陆集群进行编译和调试单个任务的处理逻辑，并通过E-HPC内置应用级监控模块集谛进行监控、分析、优化应用运行行为。
借助E-HPC，可以直接将配置好的环境扩展到新加的计算节点上。同时，使用低配置的登陆和管控节点长久保留已配置环境。
根据当前的任务处理效率，在“云”上动态地更换计算实例类型，并扩充计算资源来调整任务的处理时间，以应对紧急的任务处理。
看完上述内容，你们掌握使用实现EHPC完美并行的高效批处理方案的示例分析的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！