tutoriaux_calculco/checkpoint/checkpoint-dmtcp-scratch-ex6.oar

#!/bin/bash

#-------------------  CHECKPOINT  DMTCP ex6 --------------------------- 
#  
#
# commande: oarsub -S ./checkpoint-dmtcp-scratch-ex6.oar


#  L'exemple 6 met en oeuvre la possibilité d'effectuer un checkpoint
#  en travaillant sur le répertoire scratch ET avec une reprise
#  automatique (option idemtpotent) sur un nœud potentiellement
#  différent à chaque redémarrage. 
#  - la seule difficulté est de récupérer les checkpoints sur le HOME_DIR
#    à chaque fin de run «avorté» (si le walltime est atteint)
#  - Pour la demo:
#       - le timer est de 20 minutes
#       - le walltime fixé à 10mn
#       - donc 3 runs avec l'option --checkpoint 120 (checkpoint 10mn-120s=8mn)


#-------------- paramètres OAR---------------------------

# walltime de 10min
#OAR -l core=1,walltime=00:10:00 
#OAR -n dmtcp-scratch

#les jobs successifs ecrivent dans des fichiers différents

#OAR -O OAR-ckpt-dmtcp-ex6.%jobid%.out
#OAR -E OAR-ckpt-dmtcp-ex6.%jobid%.err

#OAR -q default

# A EDITER apres consultation de :
#  https://www-calculco.univ-littoral.fr/outils_visu/drawgantt/
# Si pour une raison d'architecture ( option de compilation)
# il faut des hôtes/processeurs du même type, par ex: 
##OAR -p nodemodel = 'Dell_R630' 
# ou:
##OAR -p nodemodel = 'Dell_R820' 

# au choix : default ou besteffort
#OAR -t besteffort

# pour une relance auto (c'est l'objectif!)
#OAR -t idempotent

# checkpoint OAR 120 s avant le walltime 
# Pour un exemple réel ( plusieurs heures, gros contexte, 600s (10mn))

#OAR --checkpoint 120

# chargement du module dmtcp
source /nfs/opt/env/env.sh   > /dev/null 2>&1
module load dmtcp  > /dev/null 2>&1

#---------- la tâche à exécuter   ------------------------ 
# doit être contenu dans l'archive ./RUN_DIR.tgz

PROG=timer20mn
RUN_DIR=scratch-ex6

#----------- pré-traitement -----------------------------

GROUP=$(id -gn $OAR_USER)

# Création du répertoire temporaire local dans scratch

#SCRATCHDIR=/scratch/$GROUP/$OAR_USER/$OAR_JOB_NAME.$OAR_JOBID
SCRATCHDIR=/scratch/$GROUP/$OAR_USER/$OAR_JOB_NAME
[ ! -d $SCRATCHDIR ] && mkdir $SCRATCHDIR

# Recopie de l'archive du  programme (et éventuels checkpoints
# et données des runs précendents) dans le répertoire

cd $SCRATCHDIR

# au 1er lancement, par exemple:
# backup de l'archive dans le rép d'origine
# (celle-ci est modifiée à chaque run car contient les checkpoints)

if [ ! -f $OAR_WORKDIR/$RUN_DIR.tgz.ORG ]; then
    cp $OAR_WORKDIR/$RUN_DIR.tgz $OAR_WORKDIR/$RUN_DIR.tgz.ORG
fi

# copie sur le scratch
cp $OAR_WORKDIR/$RUN_DIR.tgz .
# deploiement de l'archive
tar xzf $RUN_DIR.tgz 
# supression de l'archive
rm $RUN_DIR.tgz
cd $RUN_DIR
# sur quel noeud sommes-nous? 
/bin/hostname
echo "Debut du jobs ou restart ?"

# si c'est une reprise
if [ -f dmtcp_restart_script.sh ]; then
    LAST_HOST=`cat hostname.txt`
    # sur quel noeud ?
    /bin/hostname
    # si le dernier run était sur un autre noeud, modifier
    # le script de redémarrage
    if  [ $(hostname) != $LAST_HOST ]; then
	echo " -> reprise du job sur autre noeud"
	NEW_HOST=`/bin/hostname`
	sed -i s/"$LAST_HOST"/"$NEW_HOST"/g dmtcp_restart_script.sh
	# optionnel (pour debug)
	cp hostname.txt hostname_last.txt
	# backup du nouvel hostname
	/bin/hostname > hostname.txt
    else
	echo "-> reprise sur le meme noeud"
    fi
    # relancer depuis le dernier checkpoint
    ./dmtcp_restart_script.sh &
    PROGPID=$!
else
    echo "  -> Debut du jobs"
    # sauvegarde du hostname 
    /bin/hostname > hostname.txt
    dmtcp_launch  ./timer20mn &
    PROGPID=$!    
fi

#---------------------------------------------------------
# gestion du checkpoint  OAR  
#---------------------------------------------------------

# fonction de traitement du signal OAR
sighandler() {
    echo "reception checkpoint OAR (signal12)"
    # demande de checkpoint (-c) au coordinateur dmtcp
    dmtcp_command -c
    sleep 5
    # regroupement et ménage pour la relance du job
    # ---------------------------------------------
    mv $OAR_STDOUT .
    mv $OAR_STDERR .
    # archivage des fichiers :hosts, checkpoints ...
    cd ..
    tar czf $RUN_DIR.tgz ./$RUN_DIR
    # recopie sur  $HOME
    mv $RUN_DIR.tgz $OAR_WORKDIR
    # menage
    cd ..
    rm -rf $SCRATCHDIR
    # suicide avant que LEON s'en occupe!
    [ -n "$PROGPID" ] && kill -9 $PROGPID
    SCRIPT_CHECKPOINTED="YES"
    }

# signal Unix attendu par OAR (defaut = SIGUSR1/10, forcé ici
# à 12 par le paramètre --signal 12 (cf. param OAR au début)
CHKPNT_SIGNAL=12

# valeur de sortie pour l'option "--idempotent"
# (restart automatique) )
EXIT_UNFINISHED=99

# indique au script OAR de capter le signal 12 
trap sighandler  $CHKPNT_SIGNAL

# wait indispensable pour maintien des communucations
# (signaux) entre ce script et le PROG
while kill -0 "$PROGPID" 2>/dev/null; do
    wait $PROGPID
done

# important : le code 99 doit être retourné pour que l'option
# idempotent ( relance auto.) soit effective
[ -n "$SCRIPT_CHECKPOINTED" ] && exit 99


#---------------------------------------------------------
# fin du programme:  postraitement 
#---------------------------------------------------------
# DWTFYW!
echo "---post treatement---"
# suppression des ckpt (ménage)
echo "fin effective du programme, suppression des checkpoints"
rm -f ckpt_*.dmtcp dmtcp_restart_script*
# a supprimer?
mv hostname.txt last_hostname.txt
cd ..
cp -rp $RUN_DIR $OAR_WORKDIR
cd ..
rm -rf $SCRATCHDIR
# écrasement de la dernière archive intermédiaire par l'originale
mv $OAR_WORKDIR/$RUN_DIR.tgz.OAR $OAR_WORKDIR/$RUN_DIR.tgz
exit $?