14. FAQ¶

14.1 如何寻求帮助¶

当用户使用计算平台出现问题时，可以通过以下几种方式寻求帮助。

a. 电话服务支持（工作时间接听）：88236855

b. 发送邮件咨询：helpdesk@ihep.ac.cn ihep_computing_service@ihep.ac.cn

c. 网页咨询：http://helpdesk.ihep.ac.cn

联系管理员时，请尽量提供账号、登录节点、作业号、报错信息、问题发生时间、相关路径、作业脚本及日志等信息，并尽量保留问题现场，便于排查。

14.2 登录及账号相关问题¶

登录 lxlogin 后，无法编辑文件，出现 .Xauthority does not exist、unauthorized 或 Permission denied 报错。

这类问题通常与 AFS token、home 目录配额或 .Xauthority 文件异常有关。可以先执行：
```
kinit user   # 按提示输入密码
aklog -d
```
其中 user 替换为自己的计算平台账号。执行成功后，再尝试编辑或删除文件。

如果仍然报 .Xauthority 相关错误，可删除该文件后退出并重新登录：
```
rm -f ~/.Xauthority
exit
```
同时建议查看 home 目录空间是否用尽：
```
fs listquota ~
```
也需要注意隐藏文件或隐藏目录是否占用了大量空间：
```
ls -a ~
```
如果已经无法正常登录，无法执行上述命令，请通过 Helpdesk 提交账号、登录节点和完整报错，由管理员协助检查。
我的密码忘记了，如何重置？

用户可访问 https://newlogin.ihep.ac.cn 或 https://login.ihep.ac.cn，使用集群账号的注册邮箱登录后进行密码修改。修改后请使用新密码重新登录计算环境。

如果统一认证可以登录，但 lxlogin 仍提示密码错误，请登录 ccsinfo.ihep.ac.cn 查看计算账号状态、账号有效期和密码有效期。若仍无法解决，请发送账号问题至 ihep_computing_service@ihep.ac.cn。
我的密码正确，但无法正常登录 lxlogin。

请先确认以下几项：

a. 计算平台账号是否已经申请并审批通过。

b. 账号或密码是否过期，可登录 ccsinfo.ihep.ac.cn 查看。

c. 是否使用了正确的登录地址，例如：
```
ssh user@lxlogin.ihep.ac.cn
```
d. 是否固定登录了某一台异常节点。建议优先使用 lxlogin.ihep.ac.cn 域名，由系统分配登录节点。

如果仍无法登录，请发送账号、登录命令、报错信息和最近一次正常登录时间至 ihep_computing_service@ihep.ac.cn。
SSH 认证通过后进入 shell 卡住，或一直没有命令提示符。

这类问题常见原因是 home 目录、启动脚本、配额或被引用的文件系统异常。例如 .bashrc、.bash_profile 中引用了故障磁盘或不可访问路径，就可能导致登录后卡住。

如果还能通过 SFTP、同组账号协助或其他方式进入目录，可临时改名相关启动文件后重试。若 SSH/SFTP 都卡住，请提交工单，提供账号、登录节点、卡住位置和最近修改过的启动脚本。
我的账号过期了，如何处理？

如果还能登录 ccsinfo.ihep.ac.cn，请在账号信息页面查看账号有效期，并按页面提示申请延期。

如无法自助处理，请发送过期账号信息和延期申请至实验组负责人，抄送 ihep_computing_service@ihep.ac.cn。实验组负责人同意延期后，账号管理员会对账号进行延期操作。
计算平台账号申请一直没有通过，如何处理？

请先确认申请时选择的实验组、导师或负责人是否正确，并联系对应实验组管理员确认审批进度。

提交工单时请提供统一认证账号、申请时间、申请的实验组或资源组、页面截图等信息，便于定位是哪一级审批未完成。
如何申请或变更实验组、副组、Slurm account 权限？

用户可登录 ccsinfo.ihep.ac.cn 申请对应副组或资源组，例如 BES、JUNO、LHAASO、LHCb、ATLAS、CEPC、GPU 资源组等。加入对应组后，通常会获得相应目录、软件环境或 Slurm account 权限。

如果找不到目标组、组别申请被卡住，或不确定应该申请哪个组，请联系实验组负责人确认后再提交工单。
更换单位、邮箱或统一认证账号后，计算平台账号如何处理？

如果用户更换了绑定邮箱、统一认证账号或人员身份，可能会影响计算平台账号登录、通知接收或账号延期流程。请提交工单说明原统一认证账号、计算平台账号、新绑定邮箱或新统一认证账号，以及需要保留或迁移的计算平台权限。
能否直接登录 beslogin、ailogin 等专用节点？

不同登录节点和计算资源有不同安全策略和访问范围。一般建议先使用 lxlogin.ihep.ac.cn 登录公共入口；部分专用节点需直接使用对应域名登录，或需要先具备对应实验组/资源组权限。

如果某个专用节点无法登录，请提供目标节点、登录命令、账号、报错信息和所属实验组。不要长期固定某台登录节点作为唯一入口。
设置登录节点别名。

可修改 ~/.ssh/config，设置 SSH 别名。
```
Host lx
Hostname lxlogin.ihep.ac.cn
User user
Port 22
```
之后可通过如下方式登录集群：
```
ssh lx
```
其中 user 替换为自己的计算平台账号。

14.3 作业相关问题¶

我的作业排队很久，还是无法运行。

a) 对于近期内运行过大量作业的用户，调度系统会实时计算并调低其优先级，以保证用户间的公平性。

b) 高能所计算集群长期维持于较高负载状态，在作业峰值期、资源紧张或存在高优先级公共服务作业时，可能出现较长排队时间。

c) 特殊作业（如长作业、大内存作业、大量 GPU 作业等）可用资源有限，可能导致较长排队时间。

d) 若排队原因显示为 MaxGRESPerAccount、ReqNodeNotAvail、PartitionNodeLimit 等，请结合 squeue 中的 reason 判断是否为组资源上限、节点维护或参数限制。

e) 排除前面原因后，可联系管理员寻求帮助，并提供 JobID、提交时间、分区、account、qos 和提交脚本。
Slurm 作业提交时提示 account、partition 或 qos 不匹配，如何处理？

Slurm 作业脚本中的 --partition、--account、--qos 必须与本人已获授权的资源组匹配。若提示 Invalid account or account/partition combination specified，通常是尚未加入对应资源组，或脚本参数填写错误。

用户可登录 ccsinfo.ihep.ac.cn 申请对应资源组或 Slurm account。审批通过后，再根据手册修改作业脚本并重新提交。
Slurm 作业如何申请 GPU？为什么进入 GPU 分区后没有 GPU？

仅选择 GPU 分区并不一定会分配 GPU，需要在作业脚本中显式申请 GPU 资源。例如：
```
#SBATCH --partition=gpu
#SBATCH --account=higgsgpu
#SBATCH --qos=debug
#SBATCH --gres=gpu:v100:1
```
其中 --gres=gpu:v100:1 表示申请 1 张 v100 GPU 卡。实际参数请根据所在实验组资源和用户手册说明填写。
没有专用 CPU 分区时，可以把非 GPU 作业提交到 GPU 分区吗？

部分实验组或资源池可能没有单独的 CPU 分区。若用户已被授权使用某个 GPU 分区，且作业不需要 GPU，可不写 --gres 参数提交普通 CPU 作业。但仍需遵守该分区和资源组的作业数量、CPU、内存和运行时间限制。
查询作业时，显示状态为 Hold、Held、CG 或 FAILED，是什么原因？

常见原因包括：作业脚本参数错误、输出目录无写权限、存储配额已满、文件系统异常、调度器负载过高、节点异常或作业退出时有残留进程。

对 HTCondor 作业，可使用下面命令查询作业号为 JobID 的 hold 原因：
```
hep_q -i JobID -hold
```
或：
```
hep_q -u user -hold
```
对 Slurm 作业，可查看作业状态和退出码：
```
sacct -j JobID
```
如需取消作业，可使用：
```
scancel JobID
```
若对命令给出的原因说明存在疑问，请保留错误作业和日志，并联系管理员。
作业命令响应慢，或提示无法连接作业调度服务怎么办？

当调度器负载较高时，hep_q、squeue、hep_sub 等命令可能响应较慢，偶尔出现连接调度服务失败的提示。可稍后重试，并避免短时间内频繁查询。

如果问题持续较长时间，请提供命令、报错、账号、登录节点和发生时间，联系管理员排查调度服务状态。
登录节点上能否直接运行计算程序？

登录节点主要用于编辑文件、准备环境、调试小程序和提交作业，不适合长时间运行计算任务或大量读写任务。较大的计算、批量任务、大内存任务或 GPU 任务应通过作业系统提交到计算节点运行。

如果在登录节点上运行脚本感觉很慢，或影响交互使用，请改为提交作业，并检查运行目录是否在合适的存储路径上。
作业输出文件和日志应该写到哪里？

作业输出应写到计算节点可写、配额充足、适合该实验组使用的目录。不要把大量输出、临时文件或日志写到 home/AFS 目录中。若输出目录无写权限、文件系统只读、配额满或文件数满，作业可能进入 Hold、FAILED 或长时间卡住。

提交作业前建议确认输出路径存在、本人有写权限、配额充足，并避免在大量作业中同时写入同一个小文件。
当发现作业出现问题，希望得到管理员帮助时，需要提供哪些信息？

请提供尽可能详尽的作业信息，包括但不限于作业号（JobID）、作业提交时间、错误现象及提示、作业日志、作业运行路径、提交脚本、使用的分区、account、qos、输入输出目录等内容，并尽量保留作业现场不删除。管理员获取的信息越多，问题越容易查找。
hep_sub、hep_q 等命令提示 command not found，如何处理？

通常是环境变量中没有加入 hepjob 命令路径。可尝试执行：
```
export PATH=$PATH:/cvmfs/common.ihep.ac.cn/software/hepjob/bin/
```
或使用命令的绝对路径运行。如果仍无法使用，请提供登录节点、当前 shell、echo $PATH 结果和完整报错。

14.4 文件存储相关问题¶

计算平台上不同目录分别适合存什么？

AFS/home 目录适合存放个人源代码、脚本、配置文件和少量重要文件，默认空间较小，不适合存放大量数据和大量作业输出。

实验数据、分析结果和大文件应优先放到本人有权限的实验组目录或公共存储中，例如 /publicfs、/workfs2、/besfs5、/lustrefs、/hpcfs、/scratchfs2 等。大量小文件会影响并行文件系统性能，建议打包归档或使用更合适的目录。
如何确认自己有哪些可用目录？

用户可先查看所属实验组和副组信息，再根据用户手册或实验组说明确认默认目录。不同实验组有不同的数据目录和公共目录；如果进入某个目录提示 Permission denied，可能是未加入对应副组，或该目录不属于用户所在实验组。

如不确定自己应使用哪个目录，请在工单中提供账号、所属实验组、希望使用的目录、用途和报错信息。
我的目录突然无法正常写入了？

用户个人目录或用户组公共目录通常都设置了最大可用空间和文件数。当空间或文件数超过限制时，可能出现 Disk quota exceeded、No space left on device、无法创建文件、无法编辑文件等现象。

排查时需要同时检查：

a. 用户个人容量是否达到上限。

b. 用户个人文件数是否达到上限。

c. 所在目录或项目目录是否达到配额。

d. 所在实验组公共目录或整个文件系统是否已满。

报错在哪个路径，就应查询该路径所在文件系统的配额，不要只查询 home 或 AFS。
容量没有满，为什么仍然不能写文件？

除了容量配额外，文件数量也可能达到上限。大量小文件、conda 环境、软件包缓存、日志文件和作业中间文件都可能很快耗尽文件数。

如果文件数达到上限，即使容量还没用满，也会出现无法写入或 Disk quota exceeded。建议清理无用小文件，或将大量小文件打包成 tar 包后再保存。
怎么查看我已经使用的存储空间份额？

AFS 存储可以使用：
```
fs listquota ~
```
或：
```
fs listquota /afs/ihep.ac.cn/users/u/user
```
Lustre 类目录通常可使用：
```
lfs quota -u user -h /publicfs
lfs quota -u user -h /scratchfs2
lfs quota -u user -h /lustrefs/juno26
```
部分按目录或项目限制的空间，需要使用目录配额查询命令，例如：
```
lfs_dir /aifs/user/data/user
```
具体命令以对应文件系统说明为准。
我需要更大的存储空间或项目目录，如何申请？

请先确认自己是否已有所属实验组分配的默认目录。若确需扩容或创建项目目录，应向导师、课题负责人或实验组管理员说明用途、预计容量、文件数量和使用周期。

多数实验组目录扩容需要负责人审核同意后，再由管理员处理。单独新建一个目录通常不会自动增加配额。
/scratchfs2、/publicfs 等公共目录可以临时扩容吗？

公共目录通常服务多个实验组或用户，不一定支持按个人临时扩容。以 /scratchfs2 为例，若文件数达到上限，优先建议清理数据、打包大量小文件，或申请使用所属实验组更合适的专用目录。

如确需扩容，请说明业务需求、预计使用量、文件数量和使用周期，并由实验组负责人确认。
我的文件被不小心删除了，还能恢复吗？

是否能恢复取决于该目录是否有备份或回收机制。部分 AFS/home 目录可能可以从备份或恢复目录中找回；部分目录可能有回收站。

但 Helpdesk 记录中多次出现 /publicfs、/scratchfs、/besfs5/groups 等目录误删后无法恢复的情况。误删后请立即停止继续写入，并提交路径、误删时间、删除命令和需要恢复的文件范围。是否能恢复以该目录实际备份策略为准。
哪些目录有备份？如何从备份中恢复文件？

请参考用户手册中的备份服务说明。有备份的目录可按备份服务流程申请恢复；不在备份列表内的数据通常无法恢复。

提交恢复申请时，请提供账号、完整路径、误删或异常发生时间、希望恢复到的时间点、文件或目录范围等信息。
文件系统访问慢、ls 卡住或作业读写卡顿怎么办？

可能是文件系统容量接近上限、元数据服务压力大、硬件故障，或脚本访问了异常路径。例如 .bashrc 中引用了故障存储路径，可能导致登录后卡住。

请先确认卡顿是否集中在某个路径，如 /hpcfs、/besfs5、/publicfs 等，并避免反复大量访问或重复提交作业。联系管理员时请提供账号、登录节点、卡住路径、执行命令、发生时间和是否影响作业。

14.5 软件环境及其它问题¶

如何使用 Module 加载软件环境？

可先添加 modulefile 路径，再查看和加载软件。例如：
```
module use /cvmfs/slurm.ihep.ac.cn/alma9/modulefiles
module avail
module load 软件名/版本
```
若作业中报缺少 Python 包、CUDA、PyTorch 或其他软件，请确认交互环境和作业脚本中加载的是同一套 module 环境。
CVMFS 挂载异常或提示 Transport endpoint is not connected，怎么办？

如果访问 /cvmfs/... 时出现挂载异常、软件环境找不到、I/O 错误或 Transport endpoint is not connected，可能是节点上的 CVMFS 挂载异常。

可先换一个登录节点或稍后重试；若问题持续，请提交工单，提供节点名、CVMFS 路径、命令输出和所需软件环境。
提交作业时提示缺少 Python 包或软件库，怎么办？

请先确认所需软件是否已由实验组或计算平台提供，并按手册加载对应 module。若需要安装实验相关公共软件库，不建议安装在个人 home 目录中，可与实验负责人确认后放到实验组公共软件目录或 CVMFS 环境中。
GPU 作业提示 CUDA、PyTorch 或驱动版本不匹配，怎么办？

请先确认当前 GPU 节点支持的驱动和 CUDA 版本，再选择匹配的 PyTorch、CUDA module 或容器环境。若新版本软件需要更高驱动或 CUDA 版本，可能需要等待系统统一升级，不能由单个用户在作业中自行解决。
软件环境在交互节点可用，但提交作业后不可用，怎么办？

请检查作业脚本中是否完整加载了交互环境中的 module、环境变量和软件路径。交互 shell 中已经加载的环境不会自动出现在批处理作业中，建议把 module use、module load、source 等环境初始化命令写入作业脚本。
我想申请新的计算资源或调整资源配置，应该怎么办？

请先与导师、课题负责人或实验组管理员确认需求，包括资源类型、使用周期、预计作业规模、CPU/GPU/内存需求和数据存储需求。确认后由负责人按实验组流程向计算中心申请或沟通。

🤖 AI 助手