source: trunk/pbs_drmaa/job.c @ 57

Revision 57, 15.2 KB checked in by mmamonski, 12 years ago (diff)

on site fixies
  • 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#include <sys/stat.h>
29
30#include <drmaa_utils/drmaa.h>
31#include <drmaa_utils/drmaa_util.h>
32#include <pbs_error.h>
33#include <pbs_ifl.h>
34
35#include <pbs_drmaa/job.h>
36#include <pbs_drmaa/log_reader.h>
37#include <pbs_drmaa/pbs_attrib.h>
38#include <pbs_drmaa/session.h>
39#include <pbs_drmaa/util.h>
40
41#ifndef lint
42static char rcsid[]
43#       ifdef __GNUC__
44                __attribute__ ((unused))
45#       endif
46        = "$Id$";
47#endif
48
49
50static void pbsdrmaa_job_control( fsd_job_t *self, int action );
51
52static void pbsdrmaa_job_update_status( fsd_job_t *self );
53
54static void pbsdrmaa_job_on_missing( fsd_job_t *self );
55
56static void pbsdrmaa_job_on_missing_standard( fsd_job_t *self );
57
58static void pbsdrmaa_job_update( fsd_job_t *self, struct batch_status* );
59
60static int pbsdrmaa_job_read_exit_status( const char *job_id, const char *job_state_dir_prefix);
61
62fsd_job_t *
63pbsdrmaa_job_new( char *job_id )
64{
65        pbsdrmaa_job_t *self = (pbsdrmaa_job_t*)fsd_job_new( job_id );
66        fsd_realloc( self, 1, pbsdrmaa_job_t );
67        self->super.control = pbsdrmaa_job_control;
68        self->super.update_status = pbsdrmaa_job_update_status;
69        self->super.on_missing = pbsdrmaa_job_on_missing;
70        self->update = pbsdrmaa_job_update;
71        return (fsd_job_t*)self;
72}
73
74
75static void
76pbsdrmaa_job_control( fsd_job_t *self, int action )
77{
78        volatile bool conn_lock = false;
79        pbsdrmaa_session_t *session = (pbsdrmaa_session_t*)self->session;
80        const char *job_id = self->job_id;
81        const char *apicall = NULL;
82        int rc = PBSE_NONE;
83
84        fsd_log_enter(( "({job_id=%s}, action=%d)",
85                        self->job_id, action ));
86
87        TRY
88         {
89                int tries_left = session->max_retries_count;
90                int sleep_time = 1;
91
92                conn_lock = fsd_mutex_lock( &self->session->drm_connection_mutex );
93
94                /*TODO reconnect */
95                while ( true )
96                 {
97                        switch( action )
98                         {
99                                /*
100                                 * We cannot know whether we did suspend job
101                                 * in other way than remembering this inside DRMAA session.
102                                 */
103                                case DRMAA_CONTROL_SUSPEND:
104                                        apicall = "pbs_sigjob";
105                                        rc = pbs_sigjob( session->pbs_conn, (char*)job_id,
106                                                        "SIGSTOP", NULL );
107                                        fsd_log_info(("pbs_sigjob(%s, SIGSTOP) =%d", job_id, rc));
108                                        if( rc == PBSE_NONE )
109                                                self->flags |= FSD_JOB_SUSPENDED;
110                                        break;
111                                case DRMAA_CONTROL_RESUME:
112                                        apicall = "pbs_sigjob";
113                                        rc = pbs_sigjob( session->pbs_conn, (char*)job_id,
114                                                        "SIGCONT", NULL );
115                                        fsd_log_info(("pbs_sigjob(%s, SIGCONT) =%d", job_id, rc));
116                                        if( rc == PBSE_NONE )
117                                                self->flags &= ~FSD_JOB_SUSPENDED;
118                                        break;
119                                case DRMAA_CONTROL_HOLD:
120                                        apicall = "pbs_holdjob";
121                                        rc = pbs_holdjob( session->pbs_conn, (char*)job_id,
122                                                        USER_HOLD, NULL );
123                                        fsd_log_info(("pbs_sigjob(%s, SIGHOLD) =%d", job_id, rc));
124                                        if( rc == PBSE_NONE )
125                                                self->flags |= FSD_JOB_HOLD;
126                                        break;
127                                case DRMAA_CONTROL_RELEASE:
128                                        apicall = "pbs_rlsjob";
129                                        rc = pbs_rlsjob( session->pbs_conn, (char*)job_id,
130                                                        USER_HOLD, NULL );
131                                        fsd_log_info(("pbs_rlsjob(%s) =%d", job_id, rc));
132                                        if( rc == PBSE_NONE )
133                                                self->flags &= FSD_JOB_HOLD;
134                                        break;
135                                case DRMAA_CONTROL_TERMINATE:
136                                        apicall = "pbs_deljob";
137                                        rc = pbs_deljob( session->pbs_conn, (char*)job_id, NULL );
138                                        fsd_log_info(("pbs_deljob(%s) =%d", job_id, rc));
139                                        /* Torque:
140                                         * deldelay=N -- delay between SIGTERM and SIGKILL (default 0) */
141                                        if( rc == PBSE_NONE )
142                                         {
143                                                self->flags &= FSD_JOB_TERMINATED_MASK;
144                                                if( (self->flags & FSD_JOB_TERMINATED) == 0 )
145                                                        self->flags |= FSD_JOB_TERMINATED | FSD_JOB_ABORTED;
146                                         }
147                                        break;
148                         }
149
150retry_connect:
151                        if ( rc == PBSE_NONE )
152                                break;
153                        else if (( rc == PBSE_INTERNAL || rc == PBSE_PROTOCOL || rc == PBSE_EXPIRED) && (tries_left--))
154                         {
155                                if (rc == PBSE_PROTOCOL || rc == PBSE_EXPIRED)
156                                 {
157                                        if ( session->pbs_conn >= 0)
158                                                pbs_disconnect( session->pbs_conn );
159
160                                        sleep( sleep_time++ );
161
162                                        session->pbs_conn = pbs_connect( session->super.contact );
163
164                                        if (session->pbs_conn < 0)
165                                                goto retry_connect;
166
167                                        fsd_log_info(( "pbs_connect(%s) =%d", session->super.contact, session->pbs_conn ));
168                                 }
169                                else /* PBSE_INTERNAL */
170                                 {
171                                        /*
172                                         * In PBS Pro pbs_sigjob raises internal server error (PBSE_INTERNAL)
173                                         * when job just changed its state to running.
174                                         */
175                                        sleep( sleep_time++ );
176                                 }
177                                fsd_log_debug(( "repeating request (%d of %d)", tries_left, session->max_retries_count));
178                         }
179                        else
180                                pbsdrmaa_exc_raise_pbs( apicall );
181                 } /* end while */
182         }
183        FINALLY
184         {
185                if( conn_lock )
186                        conn_lock = fsd_mutex_unlock( &self->session->drm_connection_mutex );
187         }
188        END_TRY
189
190        fsd_log_return((""));
191}
192
193
194void
195pbsdrmaa_job_update_status( fsd_job_t *self )
196{
197        volatile bool conn_lock = false;
198        struct batch_status *volatile status = NULL;
199        pbsdrmaa_session_t *session = (pbsdrmaa_session_t*)self->session;
200        int tries_left = session->max_retries_count;
201        int sleep_time = 1;
202
203        fsd_log_enter(( "({job_id=%s})", self->job_id ));
204       
205        TRY
206         {
207                conn_lock = fsd_mutex_lock( &self->session->drm_connection_mutex );
208retry:
209
210#ifdef PBS_PROFESSIONAL
211                status = pbs_statjob( session->pbs_conn, self->job_id, NULL, NULL );
212#else
213                status = pbs_statjob( session->pbs_conn, self->job_id, session->status_attrl, NULL );
214#endif
215                fsd_log_info(( "pbs_statjob(fd=%d, job_id=%s, attribs={...}) =%p",
216                                 session->pbs_conn, self->job_id, (void*)status ));
217                if( status == NULL )
218                 {
219
220#ifndef PBS_PROFESSIONAL
221                        if ( pbs_errno != PBSE_UNKJOBID )
222                                fsd_log_error(("pbs_statjob error: %d, %s, %s", pbs_errno, pbse_to_txt(pbs_errno), pbs_strerror(pbs_errno)));
223                        else
224                                fsd_log_debug(("pbs_statjob error: %d, %s, %s", pbs_errno, pbse_to_txt(pbs_errno), pbs_strerror(pbs_errno)));
225#else
226#  ifndef PBS_PROFESSIONAL_NO_LOG
227                        if ( pbs_errno != PBSE_UNKJOBID )
228                                fsd_log_error(("pbs_statjob error: %d, %s", pbs_errno, pbse_to_txt(pbs_errno)));
229                        else
230                                fsd_log_debug(("pbs_statjob error: %d, %s", pbs_errno, pbse_to_txt(pbs_errno)));
231#  else
232                        if ( pbs_errno != PBSE_UNKJOBID )
233                                fsd_log_error(("pbs_statjob error: %d", pbs_errno));
234                        else
235                                fsd_log_debug(("pbs_statjob error: %d", pbs_errno));
236#  endif
237#endif
238
239                        switch( pbs_errno )
240                         {
241                                case PBSE_UNKJOBID:
242                                        break;
243                                case PBSE_PROTOCOL:
244                                case PBSE_EXPIRED:
245                                        if ( session->pbs_conn >= 0 )
246                                                pbs_disconnect( session->pbs_conn );
247                                        fsd_log_info(("Protocol error. Reconnecting..."));
248retry_connect:
249                                        sleep(sleep_time++);
250                                        session->pbs_conn = pbs_connect( session->super.contact );
251                                        if( session->pbs_conn < 0 )
252                                         {
253                                                if (tries_left--) {
254                                                        fsd_log_info(("%d tries left. Retrying...", tries_left));
255                                                        goto retry_connect;
256                                                } else {
257                                                        fsd_log_error(("No more tries left... Throwing exception"));
258                                                        pbsdrmaa_exc_raise_pbs( "pbs_connect" );
259                                                }
260                                         }
261                                        else
262                                         {
263                                                goto retry;
264                                         }
265                                default:
266                                        pbsdrmaa_exc_raise_pbs( "pbs_statjob" );
267                                        break;
268                                case 0:  /* ? */
269                                        fsd_exc_raise_code( FSD_ERRNO_INTERNAL_ERROR );
270                                        break;
271                         }
272
273                 }
274
275                conn_lock = fsd_mutex_unlock( &self->session->drm_connection_mutex );
276
277
278                if( status != NULL )
279                 {
280                        ((pbsdrmaa_job_t*)self)->update( self, status );
281                 }
282                else if( self->state < DRMAA_PS_DONE )
283                 {
284                        self->on_missing( self );
285                 }
286         }
287        FINALLY
288         {
289                if( conn_lock )
290                        conn_lock = fsd_mutex_unlock( &self->session->drm_connection_mutex );
291                if( status != NULL )
292                        pbs_statfree( status );
293         }
294        END_TRY
295
296        fsd_log_return((""));
297}
298
299
300void
301pbsdrmaa_job_update( fsd_job_t *self, struct batch_status *status )
302{
303        struct attrl *attribs = status->attribs;
304        struct attrl *i = NULL;
305        char pbs_state = 0;
306        int exit_status = -2;
307        const char *cpu_usage = NULL;
308        const char *mem_usage = NULL;
309        const char *vmem_usage = NULL;
310        const char *walltime = NULL;
311        long unsigned int modify_time = 0;
312
313        fsd_log_enter(( "({job_id=%s})", self->job_id ));
314#ifdef DEBUGGING
315        pbsdrmaa_dump_attrl( attribs, NULL );
316#endif
317        fsd_assert( !strcmp( self->job_id, status->name ) );
318
319        for( i = attribs;  i != NULL;  i = i->next )
320         {
321                int attr;
322                attr = pbsdrmaa_pbs_attrib_by_name( i->name );
323                switch( attr )
324                 {
325                        case PBSDRMAA_ATTR_JOB_STATE:
326                                pbs_state = i->value[0];                               
327                                break;
328                        case PBSDRMAA_ATTR_EXIT_STATUS:
329                                exit_status = fsd_atoi( i->value );
330                                break;
331                        case PBSDRMAA_ATTR_RESOURCES_USED:
332                                if( !strcmp( i->resource, "cput" ) )
333                                        cpu_usage = i->value;
334                                else if( !strcmp( i->resource, "mem" ) )
335                                        mem_usage = i->value;
336                                else if( !strcmp( i->resource, "vmem" ) )
337                                        vmem_usage = i->value;
338                                else if( !strcmp( i->resource, "walltime" ) )
339                                        walltime = i->value;
340                                break;
341                        case PBSDRMAA_ATTR_QUEUE:
342                                if (!self->queue)
343                                        self->queue = fsd_strdup(i->value);
344                                break;
345                        case PBSDRMAA_ATTR_ACCOUNT_NAME:
346                                if (!self->project)
347                                        self->project = fsd_strdup(i->value);
348                                break;
349#ifndef PBS_PROFESSIONAL
350                        case PBSDRMAA_ATTR_EXECUTION_HOST:
351                                if (!self->execution_hosts) {
352                                        fsd_log_debug(("execution_hosts = %s", i->value));
353                                        self->execution_hosts = fsd_strdup(i->value);
354                                }
355                                break;
356#else
357                        case PBSDRMAA_ATTR_EXECUTION_VNODE:
358                                if (!self->execution_hosts) {
359                                        fsd_log_debug(("execution_hosts = %s", i->value));
360                                        self->execution_hosts = fsd_strdup(i->value);
361                                }
362                                break;
363#endif
364                        case PBSDRMAA_ATTR_START_TIME:
365                                {
366                                  long unsigned int start_time;
367                                  if (self->start_time == 0 && sscanf(i->value, "%lu", &start_time) == 1)
368                                        self->start_time = start_time;
369                                  break;
370                                }
371                        case PBSDRMAA_ATTR_MTIME:
372                                if (sscanf(i->value, "%lu", &modify_time) != 1)
373                                        modify_time = 0;
374                                break;
375                 }
376         }
377
378        if( pbs_state )
379                fsd_log_debug(( "pbs_state: %c", pbs_state ));
380
381        if( exit_status != -2 )
382         {
383                fsd_log_debug(( "exit_status: %d", exit_status ));
384                self->exit_status = exit_status;
385         }
386        if(pbs_state){
387                switch( pbs_state )
388                 {
389                        case 'C': /* Job is completed after having run. */
390                                self->flags &= FSD_JOB_TERMINATED_MASK;
391                                self->flags |= FSD_JOB_TERMINATED;
392                                if (exit_status != -2) { /* has exit code */
393                                        if( self->exit_status == 0)
394                                                self->state = DRMAA_PS_DONE;
395                                        else
396                                                self->state = DRMAA_PS_FAILED;
397                                } else {
398                                        self->state = DRMAA_PS_FAILED;
399                                        self->exit_status = -1;
400                                }
401                                if (modify_time != 0)
402                                        self->end_time = modify_time; /* take last modify time as end time */
403                                else
404                                        self->end_time = time(NULL);
405                               
406                                if (self->start_time == 0)
407                                        self->start_time = self->end_time;
408
409                                break;
410                        case 'E': /* Job is exiting after having run. - MM: ignore exiting state (transient state) - outputs might have not been transfered yet,
411                                        MM2: mark job as running if current job status is undetermined - fix "ps after job was ripped" */
412                                if (self->state == DRMAA_PS_UNDETERMINED)
413                                        self->state = DRMAA_PS_RUNNING;
414                                break;
415                        case 'H': /* Job is held. */
416                                self->state = DRMAA_PS_USER_ON_HOLD;
417                                self->flags |= FSD_JOB_HOLD;
418                                break;
419                        case 'Q': /* Job is queued, eligible to run or routed. */
420                        case 'W': /* Job is waiting for its execution time to be reached. */
421                                self->state = DRMAA_PS_QUEUED_ACTIVE;
422                                self->flags &= ~FSD_JOB_HOLD;
423                                break;
424                        case 'R': /* Job is running. */
425                        case 'T': /* Job is being moved to new location (?). */
426                         {
427                                if( self->flags & FSD_JOB_SUSPENDED )
428                                        self->state = DRMAA_PS_USER_SUSPENDED;
429                                else
430                                        self->state = DRMAA_PS_RUNNING;
431                                break;
432                         }
433                        case 'S': /* (Unicos only) job is suspend. */
434                                self->state = DRMAA_PS_SYSTEM_SUSPENDED;
435                                break;
436                        case 0:  default:
437                                self->state = DRMAA_PS_UNDETERMINED;
438                                break;
439         }
440}
441        fsd_log_debug(( "job_ps: %s", drmaa_job_ps_to_str(self->state) ));
442
443         {
444                int hours, minutes, seconds;
445                long mem;
446                if( cpu_usage && sscanf( cpu_usage, "%d:%d:%d", &hours, &minutes, &seconds ) == 3 )
447                 {
448                        self->cpu_usage = 60*( 60*hours + minutes ) + seconds;
449                        fsd_log_debug(( "cpu_usage: %s=%lds", cpu_usage, self->cpu_usage ));
450                 }
451                if( mem_usage && sscanf( mem_usage, "%ldkb", &mem ) == 1 )
452                 {
453                        self->mem_usage = 1024*mem;
454                        fsd_log_debug(( "mem_usage: %s=%ldB", mem_usage, self->mem_usage ));
455                 }
456                if( vmem_usage && sscanf( vmem_usage, "%ldkb", &mem ) == 1 )
457                 {
458                        self->vmem_usage = 1024*mem;
459                        fsd_log_debug(( "vmem_usage: %s=%ldB", vmem_usage, self->vmem_usage ));
460                 }
461                if( walltime && sscanf( walltime, "%d:%d:%d", &hours, &minutes, &seconds ) == 3 )
462                 {
463                        self->walltime = 60*( 60*hours + minutes ) + seconds;
464                        fsd_log_debug(( "walltime: %s=%lds", walltime, self->walltime ));
465                 }
466         }
467}
468
469void
470pbsdrmaa_job_on_missing( fsd_job_t *self )
471{
472        pbsdrmaa_session_t *pbssession = (pbsdrmaa_session_t*)self->session;
473
474        if( pbssession->pbs_home != NULL && pbssession->super.wait_thread_started && self->submit_time)
475                fsd_log_info(("Job on missing but WT is running. Skipping...")); /* TODO: try to provide implementation that uses accounting/server log files */
476        else
477                pbsdrmaa_job_on_missing_standard( self );       
478}
479
480void
481pbsdrmaa_job_on_missing_standard( fsd_job_t *self )
482{
483        fsd_drmaa_session_t *session = self->session;
484        pbsdrmaa_session_t *pbssession = (pbsdrmaa_session_t *)session;
485        int exit_status = -1;
486       
487        fsd_log_enter(( "({job_id=%s})", self->job_id ));
488        fsd_log_warning(( "Job %s missing from DRM queue", self->job_id ));
489
490        fsd_log_info(( "job_on_missing: last job_ps: %s (0x%02x)", drmaa_job_ps_to_str(self->state), self->state));
491
492        if( (exit_status = pbsdrmaa_job_read_exit_status(self->job_id, pbssession->job_exit_status_file_prefix)) == 0 )
493        {
494                self->state = DRMAA_PS_DONE;
495                self->exit_status = exit_status;
496        }
497        else
498        {
499                self->state = DRMAA_PS_FAILED;
500                self->exit_status = exit_status;
501        }
502
503        fsd_cond_broadcast( &self->status_cond);
504
505        fsd_log_return(( "; job_ps=%s, exit_status=%d", drmaa_job_ps_to_str(self->state), self->exit_status ));
506}
507
508int
509pbsdrmaa_job_read_exit_status( const char *job_id, const char *job_state_dir_prefix)
510{
511        char *status_file = NULL, *start_file = NULL;
512        FILE *fhandle = NULL;
513        int exit_status = -1;
514
515        fsd_log_enter(("({job_id=%s, job_state_dir_prefix=%s})", job_id, job_state_dir_prefix));
516
517        status_file = fsd_asprintf("%s/%s.exitcode", job_state_dir_prefix, job_id);
518        start_file = fsd_asprintf("%s/%s.started", job_state_dir_prefix, job_id);
519
520        if ((fhandle = fopen(status_file, "r")) == NULL)
521         {
522                struct stat tmpstat;
523
524                fsd_log_error(("Failed to open job status file: %s", status_file));
525                if (stat(start_file, &tmpstat) == 0 && (tmpstat.st_mode & S_IFREG))
526                 {
527                        exit_status = 143; /* SIGTERM */
528                        fsd_log_info(("But start file exist %s. Assuming that job was killed (exit_status=%d).", start_file, exit_status));
529                 }
530                else
531                 {
532                        fsd_log_error(("Start file not found: %s", start_file));
533                 }
534       
535
536         }
537        else
538         {
539                (void)fscanf(fhandle, "%d", &exit_status); /*on error exit_status == -1 */
540                fclose(fhandle);
541         }
542
543        fsd_free(status_file);
544        fsd_free(start_file);
545
546        return exit_status;
547}
548
Note: See TracBrowser for help on using the repository browser.