Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

More user-friendly errors and automatic restarts in case of engines crashing due to OOM

Aperta
#695 5 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
25/100
Tipo di issue
Funzionalità
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
jupyter, python

Direzione di ricerca

La issue non indica alcun file, test o punto di ingresso. Inizia tracciando come vengono attualmente esposti l’output del motore MPI e i fallimenti OOM o segmentation-fault, quindi determina l’ambito necessario per ottenere errori più chiari, eseguire la pulizia dei processi e consentire riavvii opzionali del motore; il lavoro sarà considerato completato quando sarà stato definito un design e sarà disponibile la relativa validazione.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

The errors we report in case of OOM and Segmentation-Fault are now much better, but I was wondering is there a way to make them more "user-friendly"?

  1. Currently, at least for the MPI case, we report the mpiexec output, which is great, but could there be a way to report a cleaner error in addition to this, that could clearly identify this as a OOM error (or a seg-fault if possible)?
  2. Is there something that packages (like Bodo) could do to make this experience better/easier?
  3. What's the best way to automate restart of engines in this case? Ideally, if enabled, in cases where the engines crash, if we could clean up the processes, display a message (e.g. "engines crashed due to OOM, restarting engines..."), and then restart the engines, that would be useful.
Lingua principale
Jupyter Notebook
Stelle
2.6k
Fork
1k
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Guida per i contributori

Apri la guida per i contributori

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di ipython/ipyparallel

Tutte le issue di ipython/ipyparallel

Issue simili

Altre issue su Distributed Systems

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.