<div dir="ltr">We ran into something similar, though it turned out being a microcode bug in the CPU that caused it to remain stuck in its lowest power state. Fortunately it was easily testable with "perf stat" so it was pretty clear which nodes were impacted, which also happened to be bought as a batch with a unique CPU version. By the time we did our legwork, the vendor had independently announced a fix for the problem, so I guess we could have just saved ourselves some work and waited...<div><br></div><div>Skylar</div></div><div class="gmail_extra"><br><div class="gmail_quote">On Thu, Aug 10, 2017 at 3:59 PM, Lance Wilson <span dir="ltr"><<a href="mailto:lance.wilson@monash.edu" target="_blank">lance.wilson@monash.edu</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr"><div>Hi Faraz,</div>Another one that we have seen was a difference in power profile of the node. It caused the node in certain situations to keep the cpu speed low, so top looked fine and everything looked fine, just slow. It was a Dell box as well. It was interesting that there were so many power settings that caused slow downs with Centos 7.</div><div class="gmail_extra"><br clear="all"><div><div class="m_-5074625932527567445gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr">Cheers,<br><br>Lance<br>--<br>Dr Lance Wilson<br>Senior HPC Consultant</div><div>Ph: 03 99055942 <a href="tel:+61%203%209905%205942" value="+61399055942" target="_blank">(+61 3 99055942</a></div><div dir="ltr">Mobile: 0437414123 (+61 4 3741 4123)</div><div dir="ltr">Multi-modal Australian ScienceS Imaging and Visualisation Environment<br>(<a href="http://www.massive.org.au/" rel="noreferrer" style="color:rgb(17,85,204)" target="_blank">www.massive.org.au</a>)<br>Monash University<br></div></div></div></div></div><div><div class="h5">
<br><div class="gmail_quote">On 11 August 2017 at 04:33, John Hearns via Beowulf <span dir="ltr"><<a href="mailto:beowulf@beowulf.org" target="_blank">beowulf@beowulf.org</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div lang="en-NL" link="blue" vlink="#954F72"><div class="m_-5074625932527567445m_-7285287228563569460WordSection1"><p class="MsoNormal"><span lang="EN-GB">Ten euros for me on a faulty DIMM<u></u><u></u></span></p><p class="MsoNormal"><u></u> <u></u></p><p class="MsoNormal"><u></u> <u></u></p><p class="MsoNormal">Sent from <a href="https://go.microsoft.com/fwlink/?LinkId=550986" target="_blank">Mail</a> for Windows 10</p><p class="MsoNormal"><u></u> <u></u></p><div style="border:none;border-top:solid #e1e1e1 1.0pt;padding:3.0pt 0cm 0cm 0cm"><p class="MsoNormal" style="border:none;padding:0cm"><b>From: </b><a href="mailto:andrew.holway@gmail.com" target="_blank">Andrew Holway</a><br><b>Sent: </b>Thursday, 10 August 2017 20:05<br><b>To: </b><a href="mailto:gus@ldeo.columbia.edu" target="_blank">Gus Correa</a><br><b>Cc: </b><a href="mailto:beowulf@beowulf.org" target="_blank">Beowulf Mailing List</a><br><b>Subject: </b>Re: [Beowulf] How to debug slow compute node?</p></div><div><div class="m_-5074625932527567445h5"><p class="MsoNormal"><u></u> <u></u></p><div><p class="MsoNormal">I put €10 on the nose for a faulty power supply.</p><div><p class="MsoNormal"><u></u> <u></u></p><div><p class="MsoNormal">On 10 August 2017 at 19:45, Gus Correa <<a href="mailto:gus@ldeo.columbia.edu" target="_blank">gus@ldeo.columbia.edu</a>> wrote:</p><blockquote style="border:none;border-left:solid #cccccc 1.0pt;padding:0cm 0cm 0cm 6.0pt;margin-left:4.8pt;margin-right:0cm"><p class="MsoNormal">+ Leftover processes from previous jobs hogging resources.<br>That's relatively common.<br>That can trigger swapping, the ultimate performance killer.<br>"top" or "htop" on the node should show something.<br>(Will go away with a reboot, of course.)<br><br>Less likely, but possible:<br><br>+ Different BIOS configuration w.r.t. the other nodes.<br><br>+ Poorly sat memory, IB card, etc, or cable connections.<br><br>+ IPMI may need a hard reset.<br>Power down, remove the power cable, wait several minutes,<br>put the cable back, power on.<br><br>Gus Correa<br><br>On 08/10/2017 11:17 AM, John Hearns via Beowulf wrote:</p><blockquote style="border:none;border-left:solid #cccccc 1.0pt;padding:0cm 0cm 0cm 6.0pt;margin-left:4.8pt;margin-right:0cm"><p class="MsoNormal">Another thing to perhaps look at. Are you seeing messages abotu thermal throttling events in the system logs?<br>Could that node have a piece of debris caught in its air intake?<br><br>I dont think that will produce a 30% drop in perfoemance. But I have caught compute nodes with pieces of packaking sucked onto the front,<br>following careless peeople unpacking kit in machine rooms.<br>(Firm rule - no packaging in the machine room. This means you)<br><br><br><br><br>On 10 August 2017 at 17:00, John Hearns <<a href="mailto:hearnsj@googlemail.com" target="_blank">hearnsj@googlemail.com</a> <mailto:<a href="mailto:hearnsj@googlemail.com" target="_blank">hearnsj@googlemail.com</a><wbr>>> wrote:<br><br>    ps.   Look at   watch  cat /proc/interrupts   also<br>    You might get a qualitative idea of a huge rate of interrupts.<br><br><br>    On 10 August 2017 at 16:59, John Hearns <<a href="mailto:hearnsj@googlemail.com" target="_blank">hearnsj@googlemail.com</a><br>    <mailto:<a href="mailto:hearnsj@googlemail.com" target="_blank">hearnsj@googlemail.com</a><wbr>>> wrote:<br><br>        Faraz,<br>            I think you might have to buy me a virtual coffee. Or a beer!<br>        Please look at the hardware health of that machine. Specifically<br>        the DIMMS.  I have seen this before!<br>        If you have some DIMMS which are faulty and are generating ECC<br>        errors, then if the mcelog service is enabled<br>        an interrupt is generated for every ECC event. SO the system is<br>        spending time servicing these interrupts.<br><br>        So:   look in your /var/log/mcelog for hardware errors<br>        Look in your /var/log/messages for hardware errors also<br>        Look in the IPMI event logs for ECC errors:    ipmitool sel elist<br><br>        I would also bring that node down and boot it with memtester.<br>        If there is a DIMM which is that badly faulty then memtester<br>        will discover it within minutes.<br><br>        Or it could be something else - in which case I get no coffee.<br><br>        Also Intel cluster checker is intended to exacly deal with these<br>        situations.<br>        What is your cluster manager, and is Intel CLuster Checker<br>        available to you?<br>        I would seriously look at getting this installed.<br><br><br><br><br><br><br><br>        On 10 August 2017 at 16:39, Faraz Hussain <<a href="mailto:info@feacluster.com" target="_blank">info@feacluster.com</a></p><div><div><p class="MsoNormal">        <mailto:<a href="mailto:info@feacluster.com" target="_blank">info@feacluster.com</a>>> wrote:<br><br>            One of our compute nodes runs ~30% slower than others. It<br>            has the exact same image so I am baffled why it is running<br>            slow . I have tested OMP and MPI benchmarks. Everything runs<br>            slower. The cpu usage goes to 2000%, so all looks normal there.<br><br>            I thought it may have to do with cpu scaling, i.e when the<br>            kernel changes the cpu speed depending on the workload. But<br>            we do not have that enabled on these machines.<br><br>            Here is a snippet from "cat /proc/cpuinfo". Everything is<br>            identical to our other nodes. Any suggestions on what else<br>            to check? I have tried rebooting it.<br><br>            processor       : 19<br>            vendor_id       : GenuineIntel<br>            cpu family      : 6<br>            model           : 62<br>            model name      : Intel(R) Xeon(R) CPU E5-2670 v2 @ 2.50GHz<br>            stepping        : 4<br>            cpu MHz         : 2500.098<br>            cache size      : 25600 KB<br>            physical id     : 1<br>            siblings        : 10<br>            core id         : 12<br>            cpu cores       : 10<br>            apicid          : 56<br>            initial apicid  : 56<br>            fpu             : yes<br>            fpu_exception   : yes<br>            cpuid level     : 13<br>            wp              : yes<br>            flags           : fpu vme de pse tsc msr pae mce cx8 apic<br>            sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr<br>            sse sse2 ss ht tm pbe syscall nx pdpe1gb rdtscp lm<br>            constant_tsc arch_perfmon pebs bts rep_good xtopology<br>            nonstop_tsc aperfmperf pni pclmulqdq dtes64 monitor ds_cpl<br>            vmx smx est tm2 ssse3 cx16 xtpr pdcm pcid dca sse4_1 sse4_2<br>            x2apic popcnt tsc_deadline_timer aes xsave avx f16c rdrand<br>            lahf_lm ida arat xsaveopt pln pts dts tpr_shadow vnmi<br>            flexpriority ept vpid fsgsbase smep erms<br>            bogomips        : 5004.97<br>            clflush size    : 64<br>            cache_alignment : 64<br>            address sizes   : 46 bits physical, 48 bits virtual<br>            power management:<br><br><br><br>            ______________________________<wbr>_________________<br>            Beowulf mailing list, <a href="mailto:Beowulf@beowulf.org" target="_blank">Beowulf@beowulf.org</a></p></div></div><p class="MsoNormal" style="margin-bottom:12.0pt">            <mailto:<a href="mailto:Beowulf@beowulf.org" target="_blank">Beowulf@beowulf.org</a>> sponsored by Penguin Computing<br>            To change your subscription (digest mode or unsubscribe)<br>            visit <a href="http://www.beowulf.org/mailman/listinfo/beowulf" target="_blank">http://www.beowulf.org/mailman<wbr>/listinfo/beowulf</a><br>            <<a href="http://www.beowulf.org/mailman/listinfo/beowulf" target="_blank">http://www.beowulf.org/mailma<wbr>n/listinfo/beowulf</a>><br><br><br><br><br><br><br>______________________________<wbr>_________________<br>Beowulf mailing list, <a href="mailto:Beowulf@beowulf.org" target="_blank">Beowulf@beowulf.org</a> sponsored by Penguin Computing<br>To change your subscription (digest mode or unsubscribe) visit <a href="http://www.beowulf.org/mailman/listinfo/beowulf" target="_blank">http://www.beowulf.org/mailman<wbr>/listinfo/beowulf</a></p></blockquote><div><div><p class="MsoNormal"><br>______________________________<wbr>_________________<br>Beowulf mailing list, <a href="mailto:Beowulf@beowulf.org" target="_blank">Beowulf@beowulf.org</a> sponsored by Penguin Computing<br>To change your subscription (digest mode or unsubscribe) visit <a href="http://www.beowulf.org/mailman/listinfo/beowulf" target="_blank">http://www.beowulf.org/mailman<wbr>/listinfo/beowulf</a></p></div></div></blockquote></div></div></div><p class="MsoNormal"><u></u> <u></u></p><p class="MsoNormal"><u></u> <u></u></p></div></div></div></div><br>______________________________<wbr>_________________<br>
Beowulf mailing list, <a href="mailto:Beowulf@beowulf.org" target="_blank">Beowulf@beowulf.org</a> sponsored by Penguin Computing<br>
To change your subscription (digest mode or unsubscribe) visit <a href="http://www.beowulf.org/mailman/listinfo/beowulf" rel="noreferrer" target="_blank">http://www.beowulf.org/mailman<wbr>/listinfo/beowulf</a><br>
<br></blockquote></div><br></div></div></div>
<br>______________________________<wbr>_________________<br>
Beowulf mailing list, <a href="mailto:Beowulf@beowulf.org">Beowulf@beowulf.org</a> sponsored by Penguin Computing<br>
To change your subscription (digest mode or unsubscribe) visit <a href="http://www.beowulf.org/mailman/listinfo/beowulf" rel="noreferrer" target="_blank">http://www.beowulf.org/<wbr>mailman/listinfo/beowulf</a><br>
<br></blockquote></div><br></div>