Como rodar programas no cluster Complex

O cluster consiste nas oito máquinas complex{000-111}, dual core e de 64 bits. O cluster agora usa o Berkeley Lab Checkpoint/Restart (BLCR). A idéia é a seguinte: você submete o programa, faz checkpoint periódicos (de duas em duas horas, por exemplo) e se acaso o programa for abortado, você pode resubmetê-lo a partir do último checkpoint, na mesma máquina ou em outra com configuração semelhante (que é o caso do cluster). Existe uma documentação farta no BLCR User's Guide, mas para usar bastam os seguintes passos:

• submeta o programa, precedido do comando cr_run

cr_run nome_do_programa argumentos

• para um checkpoint, faça

cr_checkpoint PID

onde PID é o número do processo do programa (obtenha com o comando ps ux).

• para suspender o programa, faça

cr_checkpoint --term PID

O checkpoint ou a suspensão do programa criam um arquivo context.PID.

• Para restart o processo, rode

cr_restart context.PID

• Para automatizar o processo, coloque o checkpoint no seu crontab. Rode o programa crontab -e (man 5 crontab, para maiores explicações) e adicione a seguinte linha

* */2 * * * checkpoint PID

Isto vai criar um checkpoint nas horas pares.