Hacktoberfest 2026:メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

Control idle time on SLURMCluster.adapt() to control when workers are released.

オープン
#701 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
4/5
見積もり時間
3〜5日
初心者へのやさしさ
35/100
issue の種類
機能追加
明瞭さ
おおむね明確
活発さ
停滞
技術スタック
python

調査の方向性

Issue では SLURMCluster.adapt() が挙げられていますが、ファイルやテストは示されていません。まずそのエントリーポイントを特定し、タスク完了後に adaptive worker がどのように解放されるかを読み取ってください。Done では、不要な SLURM の再キューイングなしに、遅延計算の一連の処理にわたって取得済みの worker を保持するための、文書化された仕組みを提供する必要があります。

索引モデルが issue の本文から書いたものです。

説明

The documentation gives the following example for using adapt and managing the lifetime of the workers:

`cluster = Cluster(
walltime="01:00:00",
cores=4,
memory="16gb",
worker_extra_args=["--lifetime", "55m", "--lifetime-stagger", "4m"],
)

cluster.adapt(minimum=0, maximum=200)
`

However, when using this on a SLURM HPC the behavior seems to be to release all the workers once the current task is done. Subsequent tasks will then requeue SLURM, which seems to lead to constant queuing and releasing of workers in my workflow.

I am hoping to accomplish something like the following:

`complex xarray computation 1

complex xarray computation 2

complex xarray computation 3

...

complex xarray computation N
`
but without releasing all the workers between serial executions. Is there currently a mechanism to complete a sequence of dask delayed tasks without releasing the workers gained from adapt()?

主要言語
Python
スター
256
フォーク
149
PR マージ指標
30日以内にマージされた PR はありません

環境構築

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

dask/dask-jobqueue のほかの issue

dask/dask-jobqueue の issue をすべて見る

似ている issue

Python の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。