生信喵 发表于 2024-3-1 12:09:16

LSF作业系统无法启动

# 背景

最近使用linux系统module模块安装中，使用root用户，执行以下高危命令后

```
chown -R sysop:sysop /share/apps/repos
yum remove environment-modules.x86_64
```

导致lsf系统无法启动，xcat无法通信等，折腾了几次perl模块，xcat通信正常后。
lsf系统还是异常

lsload显示节点正常启动，但是bhosts/bjobs依然提示lsf is down，please wait

# 解决方案

## 1 通过查询ibm公司排错流程

```
https://www.ibm.com/docs/zh/spectrum-lsf/10.1.0?topic=problems-solving-common-lsf
```

找到mbatchd日志文件

```
tail -fn 100 /share/apps/lsf/log/mbatchd.log.mgt |head
输出以下内容
Feb 29 19:33:21 2024 240794 3 9.1.3 init_log: Log directory </share/apps/lsf/work/cluster1/logdir> not owned by LSF administrator <lsfadmin/1000> (owner ID is 0)
```

可以看出日志报错，lsf目录权限不为lsfadmin所有，因为背景中提到我给了sysop，后续排错中，我又给了root。基本找到原因了。

## 2 下面在ibm官网确认这个事情的解决方案

```
https://www.ibm.com/docs/zh/spectrum-lsf/10.1.0?topic=overview-important-directories-configuration-files
```

以上链接展示了
conf work log的权限应该是lsfadmin的。
下面将权限移交回lsfadmin，并重新启动lsf。

```
chown -R lsfadmin:lsfadmin /share/apps/lsf/log
chown -R lsfadmin:lsfadmin /share/apps/lsf/work
chown -R lsfadmin:lsfadmin /share/apps/lsf/conf
lsf_daemons restart
```

## 3 检查lsf状态

![](https://files.mdnice.com/user/47194/da5243e0-02b1-4a0b-aaa5-a44e5b9b4f90.png)
![微信图片_20240301120245.png](data/attachment/forum/202403/01/120824v6zz5i6zy55kaie4.png "微信图片_20240301120245.png")

妥善解决

# 后记

当我们使用root时一切要小心，要记录执行的命令，出问题好排查。
能不使用就不使用。
页: [1]
查看完整版本: LSF作业系统无法启动