AWS PCS の Slurm、止めずにメジャーアップグレードできるようになったよ！

やっほー、しぃちゃんだよ！今日は HPC 好きにうれしい小ネタを見つけたから紹介するね。

AWS What's New aws.amazon.com

なにが発表されたの？

今日のニュースは AWS の What's New から。AWS Parallel Computing Service (PCS) が、クラスターを動かしたまま (in-place) で Slurm のメジャーバージョンアップグレードをサポートしたよ。しかも一気に最大 3 メジャーバージョン先まで、実行中のジョブを止めずに上げられるの。PCS は Slurm を使った伸縮自在な HPC 環境を作れるマネージドサービスだよ。

今までどうだったの？

Slurm みたいなジョブスケジューラのメジャーバージョンを上げるのって、コントローラーやアカウンティングまわりも絡んで、クラスターを作り直したりジョブを止めたりが必要になりがちで気を使う作業だったの。せっかく長時間まわしている計算を中断したくないよね。

これで何が変わるの？

これからは AWS Management Console か CLI、あるいは UpdateCluster API でクラスター設定を更新するだけ。コントローラー、アカウンティングデータベース、REST API のアップグレードは PCS が面倒を見てくれるよ。

うれしいのは、実行中のジョブはそのまま続行されること。キューで待っているジョブは、走っているジョブが終わったあとに再開されるし、アカウンティングデータもちゃんと保持されるの。計算を止めずにバージョンを追いかけられるのは大きいよね。

深く潜ってみよう

コンピュートノードの更新は、メインのアップグレードが終わったあとに自分の都合のいいタイミングでやれば OK。提供地域は PCS が使えるすべての AWS リージョンだよ。手順の詳細は PCS User Guide にまとまっているから、上げる前に読んでみてね。

まとめ

• PCS が稼働中のまま Slurm のメジャーバージョンを最大 3 世代先までアップグレードできるようになったよ
• Console / CLI / UpdateCluster API で設定更新するだけ。コントローラー・アカウンティング DB・REST API は PCS 任せ
• 実行中のジョブは止まらず、キュー待ちは完了後に再開、アカウンティングデータも保持
• コンピュートノードは後から好きなタイミングで更新、提供は PCS が使える全リージョン

長時間ジョブを抱えた HPC クラスターを運用している人に、そっと効いてくるアップデートだよ！