1. LSF作业调度系统和服务器集群介绍

在一个服务器集群中，有很多的人要使用，却只有很少的GPU。LSF作业调度系统则是对每个用户提交的作业和需要使用的GPU进行调度。一般使用bsub命令来将待运行的作业提交到集群上。

用bsub < run.sh提交了作业，一般是作业已经可以成功跑起来，提交了作业后直接等作业运行结束就行。但更多时候我们的代码可能会出现报错，需要进行调试。

一般情况下，我们会用pychram/ vscode等软件对代码打断点，进行调试。但使用的是本地的CPU资源，而不是服务器上的GPU。而且我们本地的电脑往往存储不够，不能加载大模型，没有在GPU上提交作业加载模型的话也无法在本地进行调试。这就需要用bsub开启一个交互式的窗口进行调试。

2. bsub运行作业的两种方式

2.1 bsub直接提交作业

比较常用的一种方式。通常是把作业脚本和需要使用的gpu资源定义在sh文件里，然后用busb < run.sh 来提交文件。一个sh文件示例如下：

#/bin/bash#BSUB -J job_name#BSUB -e /nfsshare/home/xxx/log/NAME_%J.err#BSUB -o /nfsshare/home/xxx/log/NAME_%J.out#BSUB -n 2#BSUB -q gpu#BSUB -R "rusage[ngpus_physical=2]"#BSUB -gpu "num=2:mode=exclusive_process"python file.py

bsub参数说明

不同GPU资源需求的命令示例

(1)使用1块gpu卡运行作业

1、独占1块gpu卡运行作业#!/bin/sh#BSUB –gpu "num=1:mode=exclusive_process"#BSUB -n 1#BSUB -q gpu#BSUB -o %J.out#BSUB -e %J.err#BSUB -J gputestnvidia-smi >> out

(2) 同一节点独占2块gpu卡运行作业

#!/bin/sh#BSUB -gpu "num=2:mode=exclusive_process"#BSUB -n 2#BSUB -q gpu#BSUB -m gpu01#BSUB -o %J.out#BSUB -e %J.err#BSUB -J gputest#BSUB -R "rusage[ngpus_physical=2]"nvidia-smi >>out

(3) 独占两个节点上的4块gpu卡运行作业

#!/bin/sh#BSUB -gpu "num=4:mode=exclusive_process"#BSUB -n 4#BSUB -q gpu#BSUB -o %J.out#BSUB -e %J.err#BSUB -J gputest#BSUB -R "rusage[ngpus_physical=2] span[ptile=2]"nvidia-smi >>out

2.2 bsub开启交互式窗口

用busb命令在命令行中开启一个交互式窗口可以方便我们使用交互式的 shell 会话，与计算节点上的 shell 进程进行交互。查看代码的中间过程。其使用方式为直接在命令行里输入bsub + gpu资源指定命令 + -Is /bin/bash，-Is /bin/bash 的意思是直接与计算节点进行交互，如：

bsub -R "rusage[ngpus_physical=1]"  -m gpu04  -Is /bin/bash

出现以下信息就表明已经成功连接到计算节点了：

3. 使用pdb进行代码调试

可以自行百度更多pdb的使用指南，我常用的方式为：
(1) 在python代码中需要添加断点的行前加入这两行：

import pdbpdb.set_trace()

(2) 用bsub开启交互式窗口，然后输入 python project.py 运行python代码

(3）由于断点存在的关系，程序运行会卡在插入断点的那一行，然后输入interact启动一个python的交互式解释器，就可以像在vscode/pychram的python interprect一样输入python代码查看对象的具体信息了。

4. 更多bsub指令分享