source: trunk/pbs_drmaa/job.c @ 40

Revision 40, 13.7 KB checked in by mmamonski, 12 years ago (diff)

better logging

  • Property svn:keywords set to Id
Line 
1/* $Id$ */
2/*
3 *  FedStage DRMAA for PBS Pro
4 *  Copyright (C) 2006-2009  FedStage Systems
5 *
6 *  This program is free software: you can redistribute it and/or modify
7 *  it under the terms of the GNU General Public License as published by
8 *  the Free Software Foundation, either version 3 of the License, or
9 *  (at your option) any later version.
10 *
11 *  This program is distributed in the hope that it will be useful,
12 *  but WITHOUT ANY WARRANTY; without even the implied warranty of
13 *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
14 *  GNU General Public License for more details.
15 *
16 *  You should have received a copy of the GNU General Public License
17 *  along with this program.  If not, see <http://www.gnu.org/licenses/>.
18 */
19
20#ifdef HAVE_CONFIG_H
21#       include <config.h>
22#endif
23
24#include <signal.h>
25#include <stdlib.h>
26#include <string.h>
27#include <unistd.h>
28
29#include <drmaa_utils/drmaa.h>
30#include <drmaa_utils/drmaa_util.h>
31#include <pbs_error.h>
32#include <pbs_ifl.h>
33
34#include <pbs_drmaa/job.h>
35#include <pbs_drmaa/log_reader.h>
36#include <pbs_drmaa/pbs_attrib.h>
37#include <pbs_drmaa/session.h>
38#include <pbs_drmaa/util.h>
39
40#ifndef lint
41static char rcsid[]
42#       ifdef __GNUC__
43                __attribute__ ((unused))
44#       endif
45        = "$Id$";
46#endif
47
48
49static void
50pbsdrmaa_job_control( fsd_job_t *self, int action );
51
52static void
53pbsdrmaa_job_update_status( fsd_job_t *self );
54
55static void
56pbsdrmaa_job_on_missing( fsd_job_t *self );
57
58void
59pbsdrmaa_job_on_missing_standard( fsd_job_t *self );
60
61static void
62pbsdrmaa_job_update( fsd_job_t *self, struct batch_status* );
63
64
65fsd_job_t *
66pbsdrmaa_job_new( char *job_id )
67{
68        pbsdrmaa_job_t *self = (pbsdrmaa_job_t*)fsd_job_new( job_id );
69        fsd_realloc( self, 1, pbsdrmaa_job_t );
70        self->super.control = pbsdrmaa_job_control;
71        self->super.update_status = pbsdrmaa_job_update_status;
72        self->super.on_missing = pbsdrmaa_job_on_missing;
73        self->update = pbsdrmaa_job_update;
74        return (fsd_job_t*)self;
75}
76
77
78static void
79pbsdrmaa_job_control( fsd_job_t *self, int action )
80{
81        volatile bool conn_lock = false;
82        pbsdrmaa_session_t *session = (pbsdrmaa_session_t*)self->session;
83        const char *job_id = self->job_id;
84        const char *apicall = NULL;
85        int rc = PBSE_NONE;
86
87        fsd_log_enter(( "({job_id=%s}, action=%d)",
88                        self->job_id, action ));
89
90        TRY
91         {
92                int try_count;
93                const int max_tries = 3;
94
95                conn_lock = fsd_mutex_lock( &self->session->drm_connection_mutex );
96
97                /*TODO reconnect */
98                for( try_count=0;  try_count < max_tries;  try_count++ )
99                 {
100                        switch( action )
101                         {
102                                /*
103                                 * We cannot know whether we did suspend job
104                                 * in other way than remembering this inside DRMAA session.
105                                 */
106                                case DRMAA_CONTROL_SUSPEND:
107                                        apicall = "pbs_sigjob";
108                                        rc = pbs_sigjob( session->pbs_conn, (char*)job_id,
109                                                        "SIGSTOP", NULL );
110                                        fsd_log_info(("pbs_sigjob(%s, SIGSTOP) =%d", job_id, rc));
111                                        if( rc == PBSE_NONE )
112                                                self->flags |= FSD_JOB_SUSPENDED;
113                                        break;
114                                case DRMAA_CONTROL_RESUME:
115                                        apicall = "pbs_sigjob";
116                                        rc = pbs_sigjob( session->pbs_conn, (char*)job_id,
117                                                        "SIGCONT", NULL );
118                                        fsd_log_info(("pbs_sigjob(%s, SIGCONT) =%d", job_id, rc));
119                                        if( rc == PBSE_NONE )
120                                                self->flags &= ~FSD_JOB_SUSPENDED;
121                                        break;
122                                case DRMAA_CONTROL_HOLD:
123                                        apicall = "pbs_holdjob";
124                                        rc = pbs_holdjob( session->pbs_conn, (char*)job_id,
125                                                        USER_HOLD, NULL );
126                                        fsd_log_info(("pbs_sigjob(%s, SIGHOLD) =%d", job_id, rc));
127                                        if( rc == PBSE_NONE )
128                                                self->flags |= FSD_JOB_HOLD;
129                                        break;
130                                case DRMAA_CONTROL_RELEASE:
131                                        apicall = "pbs_rlsjob";
132                                        rc = pbs_rlsjob( session->pbs_conn, (char*)job_id,
133                                                        USER_HOLD, NULL );
134                                        fsd_log_info(("pbs_rlsjob(%s) =%d", job_id, rc));
135                                        if( rc == PBSE_NONE )
136                                                self->flags &= FSD_JOB_HOLD;
137                                        break;
138                                case DRMAA_CONTROL_TERMINATE:
139                                        apicall = "pbs_deljob";
140                                        rc = pbs_deljob( session->pbs_conn, (char*)job_id, NULL );
141                                        fsd_log_info(("pbs_deljob(%s) =%d", job_id, rc));
142                                        /* Torque:
143                                         * deldelay=N -- delay between SIGTERM and SIGKILL (default 0) */
144                                        if( rc == PBSE_NONE )
145                                         {
146                                                self->flags &= FSD_JOB_TERMINATED_MASK;
147                                                if( (self->flags & FSD_JOB_TERMINATED) == 0 )
148                                                        self->flags |= FSD_JOB_TERMINATED | FSD_JOB_ABORTED;
149                                         }
150                                        break;
151                         }
152
153                        if( rc == PBSE_NONE )
154                                break;
155                        else if( rc == PBSE_INTERNAL )
156                         {
157                                /*
158                                 * In PBS Pro pbs_sigjob raises internal server error (PBSE_INTERNAL)
159                                 * when job just changed its state to running.
160                                 */
161                                fsd_log_debug(( "repeating request (%d of %d)",
162                                                        try_count+2, max_tries ));
163                                sleep( 1 );
164                         }
165                        else
166                                pbsdrmaa_exc_raise_pbs( apicall );
167                 } /* end for */
168         }
169        FINALLY
170         {
171                if( conn_lock )
172                        conn_lock = fsd_mutex_unlock( &self->session->drm_connection_mutex );
173         }
174        END_TRY
175
176        fsd_log_return((""));
177}
178
179
180void
181pbsdrmaa_job_update_status( fsd_job_t *self )
182{
183        volatile bool conn_lock = false;
184        struct batch_status *volatile status = NULL;
185        pbsdrmaa_session_t *session = (pbsdrmaa_session_t*)self->session;
186
187        fsd_log_enter(( "({job_id=%s})", self->job_id ));
188       
189        TRY
190         {
191                conn_lock = fsd_mutex_lock( &self->session->drm_connection_mutex );
192retry:
193
194#ifdef PBS_PROFESSIONAL
195                status = pbs_statjob( session->pbs_conn, self->job_id, NULL, NULL );
196#else
197                status = pbs_statjob( session->pbs_conn, self->job_id, session->status_attrl, NULL );
198#endif
199                fsd_log_info(( "pbs_statjob(fd=%d, job_id=%s, attribs={...}) =%p",
200                                 session->pbs_conn, self->job_id, (void*)status ));
201                if( status == NULL )
202                 {
203
204#ifndef PBS_PROFESSIONAL
205                        if ( pbs_errno != PBSE_UNKJOBID )
206                                fsd_log_error(("pbs_statjob error: %d, %s, %s", pbs_errno, pbse_to_txt(pbs_errno), pbs_strerror(pbs_errno)));
207                        else
208                                fsd_log_debug(("pbs_statjob error: %d, %s, %s", pbs_errno, pbse_to_txt(pbs_errno), pbs_strerror(pbs_errno)));
209#else
210#  ifndef PBS_PROFESSIONAL_NO_LOG
211                        if ( pbs_errno != PBSE_UNKJOBID )
212                                fsd_log_error(("pbs_statjob error: %d, %s", pbs_errno, pbse_to_txt(pbs_errno)));
213                        else
214                                fsd_log_debug(("pbs_statjob error: %d, %s", pbs_errno, pbse_to_txt(pbs_errno)));
215#  else
216                        if ( pbs_errno != PBSE_UNKJOBID )
217                                fsd_log_error(("pbs_statjob error: %d", pbs_errno));
218                        else
219                                fsd_log_debug(("pbs_statjob error: %d", pbs_errno));
220#  endif
221#endif
222
223                        switch( pbs_errno )
224                         {
225                                case PBSE_UNKJOBID:
226                                        break;
227                                case PBSE_PROTOCOL:
228                                case PBSE_EXPIRED:
229                                        if ( session->pbs_conn >= 0 )
230                                                pbs_disconnect( session->pbs_conn );
231                                        sleep(1);
232                                        session->pbs_conn = pbs_connect( session->super.contact );
233                                        if( session->pbs_conn < 0 )
234                                                pbsdrmaa_exc_raise_pbs( "pbs_connect" );
235                                        else
236                                         {
237                                                fsd_log_error(("retry:"));
238                                                goto retry;
239                                         }
240                                default:
241                                        pbsdrmaa_exc_raise_pbs( "pbs_statjob" );
242                                        break;
243                                case 0:  /* ? */
244                                        fsd_exc_raise_code( FSD_ERRNO_INTERNAL_ERROR );
245                                        break;
246                         }
247
248                 }
249
250                conn_lock = fsd_mutex_unlock( &self->session->drm_connection_mutex );
251
252
253                if( status != NULL )
254                 {
255                        ((pbsdrmaa_job_t*)self)->update( self, status );
256                 }
257                else if( self->state < DRMAA_PS_DONE )
258                 {
259                        self->on_missing( self );
260                 }
261         }
262        FINALLY
263         {
264                if( conn_lock )
265                        conn_lock = fsd_mutex_unlock( &self->session->drm_connection_mutex );
266                if( status != NULL )
267                        pbs_statfree( status );
268         }
269        END_TRY
270
271        fsd_log_return((""));
272}
273
274
275void
276pbsdrmaa_job_update( fsd_job_t *self, struct batch_status *status )
277{
278        struct attrl *attribs = status->attribs;
279        struct attrl *i = NULL;
280        char pbs_state = 0;
281        int exit_status = -2;
282        const char *cpu_usage = NULL;
283        const char *mem_usage = NULL;
284        const char *vmem_usage = NULL;
285        const char *walltime = NULL;
286        long unsigned int modify_time = 0;
287
288        fsd_log_enter(( "({job_id=%s})", self->job_id ));
289#ifdef DEBUGGING
290        pbsdrmaa_dump_attrl( attribs, NULL );
291#endif
292        fsd_assert( !strcmp( self->job_id, status->name ) );
293
294        for( i = attribs;  i != NULL;  i = i->next )
295         {
296                int attr;
297                attr = pbsdrmaa_pbs_attrib_by_name( i->name );
298                switch( attr )
299                 {
300                        case PBSDRMAA_ATTR_JOB_STATE:
301                                pbs_state = i->value[0];                               
302                                break;
303                        case PBSDRMAA_ATTR_EXIT_STATUS:
304                                exit_status = fsd_atoi( i->value );
305                                break;
306                        case PBSDRMAA_ATTR_RESOURCES_USED:
307                                if( !strcmp( i->resource, "cput" ) )
308                                        cpu_usage = i->value;
309                                else if( !strcmp( i->resource, "mem" ) )
310                                        mem_usage = i->value;
311                                else if( !strcmp( i->resource, "vmem" ) )
312                                        vmem_usage = i->value;
313                                else if( !strcmp( i->resource, "walltime" ) )
314                                        walltime = i->value;
315                                break;
316                        case PBSDRMAA_ATTR_QUEUE:
317                                if (!self->queue)
318                                        self->queue = fsd_strdup(i->value);
319                                break;
320                        case PBSDRMAA_ATTR_ACCOUNT_NAME:
321                                if (!self->project)
322                                        self->project = fsd_strdup(i->value);
323                                break;
324#ifndef PBS_PROFESSIONAL
325                        case PBSDRMAA_ATTR_EXECUTION_HOST:
326                                if (!self->execution_hosts) {
327                                        fsd_log_debug(("execution_hosts = %s", i->value));
328                                        self->execution_hosts = fsd_strdup(i->value);
329                                }
330                                break;
331#else
332                        case PBSDRMAA_ATTR_EXECUTION_VNODE:
333                                if (!self->execution_hosts) {
334                                        fsd_log_debug(("execution_hosts = %s", i->value));
335                                        self->execution_hosts = fsd_strdup(i->value);
336                                }
337                                break;
338#endif
339                        case PBSDRMAA_ATTR_START_TIME:
340                                {
341                                  long unsigned int start_time;
342                                  if (self->start_time == 0 && sscanf(i->value, "%lu", &start_time) == 1)
343                                        self->start_time = start_time;
344                                  break;
345                                }
346                        case PBSDRMAA_ATTR_MTIME:
347                                if (sscanf(i->value, "%lu", &modify_time) != 1)
348                                        modify_time = 0;
349                                break;
350                 }
351         }
352
353        if( pbs_state )
354                fsd_log_debug(( "pbs_state: %c", pbs_state ));
355
356        if( exit_status != -2 )
357         {
358                fsd_log_debug(( "exit_status: %d", exit_status ));
359                self->exit_status = exit_status;
360         }
361        if(pbs_state){
362                switch( pbs_state )
363                 {
364                        case 'C': /* Job is completed after having run. */
365                                self->flags &= FSD_JOB_TERMINATED_MASK;
366                                self->flags |= FSD_JOB_TERMINATED;
367                                if (exit_status != -2) { /* has exit code */
368                                        if( self->exit_status == 0)
369                                                self->state = DRMAA_PS_DONE;
370                                        else
371                                                self->state = DRMAA_PS_FAILED;
372                                } else {
373                                        self->state = DRMAA_PS_FAILED;
374                                        self->exit_status = -1;
375                                }
376                                if (modify_time != 0)
377                                        self->end_time = modify_time; /* take last modify time as end time */
378                                else
379                                        self->end_time = time(NULL);
380                               
381                                if (self->start_time == 0)
382                                        self->start_time = self->end_time;
383
384                                break;
385                        case 'E': /* Job is exiting after having run. - MM: ignore exiting state (transient state) - outputs might have not been transfered yet,
386                                        MM2: mark job as running if current job status is undetermined - fix "ps after job was ripped" */
387                                if (self->state == DRMAA_PS_UNDETERMINED)
388                                        self->state = DRMAA_PS_RUNNING;
389                                break;
390                        case 'H': /* Job is held. */
391                                self->state = DRMAA_PS_USER_ON_HOLD;
392                                self->flags |= FSD_JOB_HOLD;
393                                break;
394                        case 'Q': /* Job is queued, eligible to run or routed. */
395                        case 'W': /* Job is waiting for its execution time to be reached. */
396                                self->state = DRMAA_PS_QUEUED_ACTIVE;
397                                self->flags &= ~FSD_JOB_HOLD;
398                                break;
399                        case 'R': /* Job is running. */
400                        case 'T': /* Job is being moved to new location (?). */
401                         {
402                                if( self->flags & FSD_JOB_SUSPENDED )
403                                        self->state = DRMAA_PS_USER_SUSPENDED;
404                                else
405                                        self->state = DRMAA_PS_RUNNING;
406                                break;
407                         }
408                        case 'S': /* (Unicos only) job is suspend. */
409                                self->state = DRMAA_PS_SYSTEM_SUSPENDED;
410                                break;
411                        case 0:  default:
412                                self->state = DRMAA_PS_UNDETERMINED;
413                                break;
414         }
415}
416        fsd_log_debug(( "job_ps: %s", drmaa_job_ps_to_str(self->state) ));
417
418         {
419                int hours, minutes, seconds;
420                long mem;
421                if( cpu_usage && sscanf( cpu_usage, "%d:%d:%d", &hours, &minutes, &seconds ) == 3 )
422                 {
423                        self->cpu_usage = 60*( 60*hours + minutes ) + seconds;
424                        fsd_log_debug(( "cpu_usage: %s=%lds", cpu_usage, self->cpu_usage ));
425                 }
426                if( mem_usage && sscanf( mem_usage, "%ldkb", &mem ) == 1 )
427                 {
428                        self->mem_usage = 1024*mem;
429                        fsd_log_debug(( "mem_usage: %s=%ldB", mem_usage, self->mem_usage ));
430                 }
431                if( vmem_usage && sscanf( vmem_usage, "%ldkb", &mem ) == 1 )
432                 {
433                        self->vmem_usage = 1024*mem;
434                        fsd_log_debug(( "vmem_usage: %s=%ldB", vmem_usage, self->vmem_usage ));
435                 }
436                if( walltime && sscanf( walltime, "%d:%d:%d", &hours, &minutes, &seconds ) == 3 )
437                 {
438                        self->walltime = 60*( 60*hours + minutes ) + seconds;
439                        fsd_log_debug(( "walltime: %s=%lds", walltime, self->walltime ));
440                 }
441         }
442}
443
444void
445pbsdrmaa_job_on_missing( fsd_job_t *self )
446{
447        pbsdrmaa_session_t *pbssession = (pbsdrmaa_session_t*)self->session;
448
449        if( pbssession->pbs_home != NULL && pbssession->super.wait_thread_started )
450                fsd_log_info(("Job on missing but WT is running. Skipping...")); /* TODO: try to provide implementation that uses accounting/server log files */
451        else
452                pbsdrmaa_job_on_missing_standard( self );       
453}
454
455void
456pbsdrmaa_job_on_missing_standard( fsd_job_t *self )
457{
458        fsd_drmaa_session_t *session = self->session;
459       
460        unsigned missing_mask = 0;
461
462        fsd_log_enter(( "({job_id=%s})", self->job_id ));
463        fsd_log_warning(( "Job %s missing from DRM queue", self->job_id ));
464
465        switch( session->missing_jobs )
466        {
467                case FSD_REVEAL_MISSING_JOBS:         missing_mask = 0;     break;
468                case FSD_IGNORE_MISSING_JOBS:         missing_mask = 0x73;  break;
469                case FSD_IGNORE_QUEUED_MISSING_JOBS:  missing_mask = 0x13;  break;
470        }
471        fsd_log_info(( "last job_ps: %s (0x%02x); mask: 0x%02x",
472                                drmaa_job_ps_to_str(self->state), self->state, missing_mask ));
473
474        if( self->state < DRMAA_PS_DONE
475                        &&  (self->state & ~missing_mask) )
476                fsd_exc_raise_fmt(
477                                FSD_DRMAA_ERRNO_INVALID_JOB,
478                                "self %s missing from queue", self->job_id
479                                );
480
481        if( (self->flags & FSD_JOB_TERMINATED_MASK) == 0 )
482        {
483                self->flags &= FSD_JOB_TERMINATED_MASK;
484                self->flags |= FSD_JOB_TERMINATED;
485        }
486
487        if( (self->flags & FSD_JOB_ABORTED) == 0
488                        &&  session->missing_jobs == FSD_IGNORE_MISSING_JOBS )
489        { /* assume everthing was ok */
490                self->state = DRMAA_PS_DONE;
491                self->exit_status = 0;
492        }
493        else
494        { /* job aborted */
495                self->state = DRMAA_PS_FAILED;
496                self->exit_status = -1;
497        }
498
499        fsd_cond_broadcast( &self->status_cond);
500
501        fsd_log_return(( "; job_ps=%s, exit_status=%d",
502                                drmaa_job_ps_to_str(self->state), self->exit_status ));
503}
504
Note: See TracBrowser for help on using the repository browser.