<div dir="ltr"><div>The app stderr/stdout should go to Swift/T stderr/stdout unless redirected.  The problem is most likely discus returning a non-zero error code.<br><br></div>- Tim<br></div><div class="gmail_extra"><br><div class="gmail_quote">On Thu, Oct 2, 2014 at 8:42 PM, Michael Wilde <span dir="ltr"><<a href="mailto:wilde@anl.gov" target="_blank">wilde@anl.gov</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><br>
Im getting a failure from a Swift/T run on Titan that I cant diagnose.<br>
<br>
The script is running 16K DISCUS simulations, about 30 secs each, 16 per node, on 8 nodes. 127 workers, 1 Server. It seems to run well at smaller scale (eg 1K simulations).<br>
<br>
My PBS output file shows that some of the initial round of simulations fail.  It seems that when this happens, the Swift script exits within the first round of simulations, and none seem to even start.<br>
<br>
Some of the logs are below.  I'll continue to experiment and add more logging to try to isolate the cause.<br>
<br>
I was initially suspicious of an OOM problem, but I dont see any sign of that.<br>
<br>
In the line below "Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.004 0.264 1 0.75 ../Si.cll 0.004_0.264.inte 0.004_0.264.stru" - is there a way to tell what Swift things the exit status of these failing apps are?  What is causing the whole run to abort?<br>
<br>
It almost looks like one app, or a small number of them, are generating a SIGABRT, but thats not clear, and I have no stdout/err info from the app processes.<br>
<br>
I'll look for some more detailed debug options, and/or add some wrappers around the apps.<br>
<br>
Thanks,<br>
<br>
- Mike<br>
<br>
---<br>
<br>
T$ cat output.txt.2115044.out<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.004 0.264 1 0.75 ../Si.cll 0.004_0.264.inte 0.004_0.264.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.004 0.272 1 0.75 ../Si.cll 0.004_0.272.inte 0.004_0.272.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.26 0.052000000000000005 1 0.75 ../Si.cll 0.260_0.052.inte 0.260_0.052.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.004 0.084 1 0.75 ../Si.cll 0.004_0.084.inte 0.004_0.084.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.26 0.024 1 0.75 ../Si.cll 0.260_0.024.inte 0.260_0.024.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.004 0.056 1 0.75 ../Si.cll 0.004_0.056.inte 0.004_0.056.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.004 0.364 1 0.75 ../Si.cll 0.004_0.364.inte 0.004_0.364.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.004 0.07200000000000001 1 0.75 ../Si.cll 0.004_0.072.inte 0.004_0.072.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
<br>
Swift: external command failed: /lustre/atlas/proj-shared/<u></u>mat049/scu/build/DiffuseCode/<u></u>titan/discus/prog/discus --macro ../stacking-faults3.mac 0.26 0.044 1 0.75 ../Si.cll 0.260_0.044.inte 0.260_0.044.stru<br>
<br>
Swift: killing MPI job...<br>
ADLB_Abort(1)<br>
MPI_Abort(1)<br>
Application 7706378 exit codes: 134<br>
Application 7706378 exit signals: Killed<br>
Application 7706378 resources: utime ~5s, stime ~19s, Rss ~11016, inblocks ~48986, outblocks ~205<br>
T$<br>
<br>
---<br>
<br>
T$ cat output.txt<br>
bash_profile: loading modules<br>
DB /ccs/home/wildemj/.modules: loading modules...<br>
Turbine: turbine-aprun.sh<br>
10/02/2014 09:15PM<br>
<br>
TURBINE_HOME: /lustre/atlas2/mat049/proj-<u></u>shared/sfw/compute/turbine<br>
SCRIPT: /lustre/atlas2/mat049/proj-<u></u>shared/wildemj/swift-discus/<u></u>stacking-faults3.tcl<br>
PROCS:        128<br>
NODES:        8<br>
PPN:          16<br>
WALLTIME:     00:15:00<br>
<br>
TURBINE_WORKERS: 127<br>
ADLB_SERVERS:    1<br>
<br>
TCLSH: /lustre/atlas2/mat049/proj-<u></u>shared/sfw/tcl-8.6.2/bin/<u></u>tclsh8.6<br>
<br>
JOB OUTPUT:<br>
<br>
Rank 2 [Thu Oct  2 21:15:32 2014] [c12-0c1s1n3] application called MPI_Abort(MPI_COMM_WORLD, 1) - process 2<br>
Rank 4 [Thu Oct  2 21:15:32 2014] [c14-0c1s1n3] application called MPI_Abort(MPI_COMM_WORLD, 1) - process 4<br>
Rank 6 [Thu Oct  2 21:15:32 2014] [c14-0c1s1n1] application called MPI_Abort(MPI_COMM_WORLD, 1) - process 6<br>
Rank 3 [Thu Oct  2 21:15:32 2014] [c14-0c1s1n2] application called MPI_Abort(MPI_COMM_WORLD, 1) - process 3<br>
Rank 5 [Thu Oct  2 21:15:32 2014] [c14-0c1s1n0] application called MPI_Abort(MPI_COMM_WORLD, 1) - process 5<br>
Rank 1 [Thu Oct  2 21:15:32 2014] [c12-0c1s1n2] application called MPI_Abort(MPI_COMM_WORLD, 1) - process 1<br>
Rank 7 [Thu Oct  2 21:15:32 2014] [c14-0c1s0n0] application called MPI_Abort(MPI_COMM_WORLD, 1) - process 7<br>
_pmiu_daemon(SIGCHLD): [NID 06114] [c14-0c1s1n0] [Thu Oct  2 21:15:32 2014] PE RANK 5 exit signal Aborted<br>
_pmiu_daemon(SIGCHLD): [NID 06076] [c14-0c1s1n2] [Thu Oct  2 21:15:32 2014] PE RANK 3 exit signal Aborted<br>
_pmiu_daemon(SIGCHLD): [NID 06077] [c14-0c1s1n3] [Thu Oct  2 21:15:32 2014] PE RANK 4 exit signal Aborted<br>
_pmiu_daemon(SIGCHLD): [NID 04675] [c12-0c1s1n3] [Thu Oct  2 21:15:32 2014] PE RANK 2 exit signal Aborted<br>
[NID 04675] 2014-10-02 21:15:32 Apid 7706378: initiated application termination<br>
_pmiu_daemon(SIGCHLD): [NID 06115] [c14-0c1s1n1] [Thu Oct  2 21:15:32 2014] PE RANK 6 exit signal Aborted<br>
T$<br>
T$<br>
T$<br>
T$ cat turbine.log<br>
JOB:               2115044<br>
COMMAND:           stacking-faults3.tcl<br>
HOSTNAME:          <a href="http://ccs.ornl.gov" target="_blank">ccs.ornl.gov</a><br>
SUBMITTED:         10/02/2014 09:14PM<br>
PROCS:             128<br>
PPN:               16<br>
NODES:             8<br>
TURBINE_WORKERS:<br>
ADLB_SERVERS:<br>
WALLTIME:          00:15:00<br>
ADLB_EXHAUST_TIME:<br>
T$<span class="HOEnZb"><font color="#888888"><br>
<br>
<br>
<br>
<br>
-- <br>
Michael Wilde<br>
Mathematics and Computer Science          Computation Institute<br>
Argonne National Laboratory               The University of Chicago<br>
<br>
______________________________<u></u>_________________<br>
ExM-user mailing list<br>
<a href="mailto:ExM-user@lists.mcs.anl.gov" target="_blank">ExM-user@lists.mcs.anl.gov</a><br>
<a href="https://lists.mcs.anl.gov/mailman/listinfo/exm-user" target="_blank">https://lists.mcs.anl.gov/<u></u>mailman/listinfo/exm-user</a><br>
</font></span></blockquote></div><br></div>