Jean Zay : partitions Slurm GPU

Tous les projets DARI ou Accès Dynamique (AD) ayant des heures GPU ont à leur disposition des partitions Slurm définies sur Jean Zay.

Attention : la définition des partitions GPU sur Jean Zay a évolué le 8/12/2020

Depuis le 8/12/2020, les projets ayant des heures GPU ont accès par défaut à une nouvelle partition permettant d'utiliser tous types de nœuds accélérés quadri-GPU à 160 Go de mémoire (ce qui correspond aux anciennes partitions gpu_p1 et gpu_p3 réunies). Par défaut, le temps d'exécution est de 10 minutes et il ne peut dépasser 100 heures (soit --time=HH:MM:SS ≤ 100:00:00 c.f. ci-dessous).

Cette nouvelle partition comprenant à la fois des GPU ayant 16 Go de mémoire et des GPU ayant 32 Go de mémoire, si vous désirez vous limiter à un seul type de GPU, il vous faut le spécifier en ajoutant dans vos scripts l'une des directives SLURM suivantes :

• #SBATCH -C v100-16g # pour sélectionner des nœuds ayant des GPU à 16 Go de mémoire (i.e. gpu_p3)
• #SBATCH -C v100-32g # pour sélectionner des nœuds ayant des GPU à 32 Go de mémoire (i.e. gpu_p1)

Si, auparavant, vous spécifiiez explicitement l'une des partitions gpu_p1 ou gpu_p3 dans vos scripts de soumission, vous devez remplacer la directive SLURM #SBATCH --partition=... correspondante par l'une des deux directives #SBATCH -C v100-... ci-dessus.

Remarque important : Si votre travail peut s'exécuter indifféremment sur des GPU ayant 16 Go ou 32 Go de mémoire, il est préférable de ne pas cibler spécifiquement un type de nœud donné afin de limiter le temps d'attente en queue de vos travaux.

Les autres partitions sont toujours disponibles (et resteront inchangées jusqu'à nouvel ordre) :

• La partition gpu_p2 est pour le moment uniquement accessible aux chercheurs en Intelligence Artificielle qui ont effectué une demande d'heures GPU via les Accès Dynamiques (AD). Elle permet de lancer des calculs sur les nœuds accélérés octo-GPU de Jean Zay. Ces nœuds sont équipés de GPU avec 32 Go de mémoire. Par défaut, le temps d'exécution est de 10 minutes et il ne peut dépasser 100 heures (soit --time=HH:MM:SS ≤ 100:00:00 c.f. ci-dessous).
  • La sous-partition gpu_p2s donne accès au nœuds octo-GPU à 360 Go de mémoire.
  • La sous-partition gpu_p2l donne accès au nœuds octo-GPU à 720 Go de mémoire.
• La partition gpu_p4 est accessible à tous les chercheurs qui ont effectué une demande d'heures GPU via les Accès Dynamiques (AD) ou les Accès Réguliers (projets DARI). Elle permet de lancer des calculs sur les 3 nœuds accélérés octo-GPU de Jean Zay qui sont équipés de GPU Nvidia A100 reliés par une interconnexion PCI-Express et ayant 40 Go de mémoire par GPU. Par défaut, le temps d'exécution est de 2 heures et il ne peut dépasser 20 heures (soit --time=HH:MM:SS ≤ 20:00:00 c.f. ci-dessous).
  ATTENTION : Avec cette partition gpu_p4, vous ne pouvez utiliser que les environnements PyTorch et TensorFlow à partir des versions pytorch-1.8.1 et tensorflow-2.5.0 car ils sont compatibles avec les deux architectures GPU Nvidia V100 et GPU Nvidia A100. De plus, cette partition ne disposant que de 3 nœuds (48 cœurs physiques et 8 GPU par nœud), elle est considérée comme une partition de test et de validation de la technologie A100 dans un premier temps. Merci de ne pas l'utiliser pour effectuer des exécutions de production intensive.
• La partition prepost permet de lancer un travail sur l'un des nœuds pré/post-traitement de Jean Zay jean-zay-pp, sur lesquels les calculs ne sont pas déduits de votre allocation. Par défaut, le temps d'exécution est de 2 heures et il ne peut dépasser 20 heures (soit --time=HH:MM:SS ≤ 20:00:00, c.f ci-dessous).
• La partition visu permet de lancer un travail sur l'un des nœuds de visualisation de Jean Zay jean-zay-visu, sur lesquels les heures de calcul ne sont pas déduites de votre allocation. Par défaut, le temps d'exécution est de 10 minutes et il ne peut dépasser 4 heures (soit --time=HH:MM:SS ≤ 4:00:00 c.f. ci-dessous).
• La partition archive est dédiée aux commandes permettant de gérer les données (copies ou déplacements de fichiers, création d'archives) : les heures de calcul ne sont pas déduites de votre allocation. Par défaut, le temps d'exécution est de 2 heures et il ne peut dépasser 20 heures (soit --time=HH:MM:SS ≤ 20:00:00 c.f. ci-dessous).
• La partition compil est dédiée aux compilations des codes et bibliothèques qui ne peuvent se faire sur la frontale car elles requièrent trop de temps cpu : les heures de calcul ne sont pas déduites de votre allocation. Par défaut, le temps d'exécution est de 2 heures et il ne peut dépasser 20 heures (soit --time=HH:MM:SS ≤ 20:00:00 c.f. ci-dessous).

Attention aux limites de temps par défaut des partitions, qui sont délibérément basses. Pour des exécutions plus longues, vous devez spécifier une limite de temps d'exécution, qui doit rester inférieure au maximum autorisé pour la partition et la Qos utilisées. Vous devez alors utiliser :

• soit la directive Slurm #SBATCH --time=HH:MM:SS dans votre job,
• soit l'option --time=HH:MM:SS des commandes sbatch, salloc ou srun.

La partition par défaut n'a pas besoin d'être spécifiée pour être utilisée par les travaux demandant des GPU. Par contre, toutes les autres doivent être spécifiées explicitement pour être utilisées. Par exemple, pour la partition prepost, vous pouvez utiliser :

• soit la directive Slurm #SBATCH --partition=prepost dans votre job,
• soit l'option --partition=prepost des commandes sbatch, salloc ou srun.

Attention : depuis le 11 octobre 2019, tout travail demandant plus d'un nœud tourne en mode exclusif : les nœuds ne sont pas partagés. En particulier, cela implique que les heures facturées sont calculées sur la base de la totalité des nœuds réquisitionnés, y compris ceux qui ne sont que partiellement exploités.
Par exemple, la réservation de 41 cœurs CPU (soit 1 nœud + 1 cœur) sur la partition cpu_p1 entraîne la facturation de 80 cœurs CPU (soit 2 nœuds). De manière analogue sur la partition GPU par défaut, la réservation de 5 GPU (soit 1 nœud quadri-GPU + 1 GPU) entraîne la facturation de 8 GPU (soit 2 nœuds quadri-GPU). Par contre, la totalité de la mémoire des nœuds réservés est disponible dans les deux cas (de l'ordre de 160 Go utiles par nœud).

Pour chaque job soumis dans une partition autre que les partitions archive, compil, prepost et visu, vous pouvez spécifier une QoS (Quality of Service) qui va déterminer les limites et la priorité de votre job :

• la QoS par défaut pour tous les travaux GPU : qos_gpu-t3
  • durée max : 20h00 de temps Elapsed,
  • 512 GPU maximum par travail,
  • 1024 GPU maximum par utilisateur (tous projets confondus),
  • 1024 GPU maximum par projet (tous utilisateurs confondus).

• une QoS pour des exécutions plus longues et qui doit être spécifiée pour être utilisée (c.f. ci-dessous) : qos_gpu-t4
  • durée max : 100h00 de temps Elapsed,
  • 16 GPU maximum par travail,
  • 128 GPU maximum par utilisateur (tous projets confondus),
  • 128 GPU maximum par projet (tous utilisateurs confondus),
  • 512 GPU maximum pour l'ensemble des travaux demandant cette QoS.

• une QoS pour des exécutions plus brèves et qui doit être spécifiée pour être utilisée (c.f. ci-dessous) : qos_gpu-dev
  • durée max : 2h00 de temps Elapsed,
  • 32 GPU maximum par utilisateur (tous projets confondus),
  • 32 GPU maximum par projet (tous utilisateurs confondus),
  • 512 GPU maximum pour l'ensemble des travaux demandant cette QoS.

Pour spécifier une QoS différente du défaut, vous pouvez au choix :

• utiliser la directive Slurm #SBATCH --qos=qos_gpu-dev dans votre job par exemple,
• ou spécifier l'option --qos=qos_gpu-dev aux commandes sbatch, salloc ou srun.