AWS PCS にスケーリングログが登場！ノードが増えない理由が分かるよ

みんな、しぃちゃんだよ！HPC の運用が少し楽になるアップデートだよ。

AWS What's New aws.amazon.com

なにが発表されたの？

AWS の What's New で、AWS Parallel Computing Service(AWS PCS)がスケーリングログに対応したと発表されたの。AWS PCS がクラスタのコンピュートノードグループをどうスケールしたかを記録するログだよ。

今までどうだったの？

AWS PCS は、Slurm を使った HPC ワークロードの実行とスケーリングを簡単にするマネージドサービスだよ。今回のログで、スケーリングまわりの問題調査がしやすくなるんだ。

これで何が変わるの？

ログの 1 エントリは、1 つのコンピュートノードの 1 回の状態遷移を記録するの。たとえば次のようなものだよ。

• インスタンスの起動
• ノードの登録
• スケールダウン
• 理由つきの起動失敗

これで、こんなことを調べられるよ。

• コンピュートノードグループが目標サイズに届かなかった理由
• キャパシティ不足で失敗した起動
• 特定のノードがいつ起動・停止したか

深く潜ってみよう

スケーリングログの配信はオプトインだよ。出力先は 3 つから選べるの。

• Amazon CloudWatch Logs
• Amazon S3
• Amazon Data Firehose

AWS PCS が使える全リージョンで利用できるよ。始め方は AWS PCS ユーザーガイドを見てね。

まとめ

• AWS PCS がスケーリングログに対応
• 1 エントリが 1 ノードの 1 回の状態遷移
• 目標サイズに届かない理由やキャパシティ不足の失敗を追える
• CloudWatch Logs、S3、Data Firehose に出力できて、オプトイン

Slurm の HPC クラスタのスケーリング不調に悩んでいる人に刺さる更新だよ！