source: trunk/jobmond/jobmond.py @ 514

Last change on this file since 514 was 514, checked in by bastiaans, 14 years ago

jobmond/jobmond.py:

  • added report time to down/offline nodes
  • added domain name to down/offline nodes

web/addons/job_monarch/libtoga.php:

  • Property svn:executable set to *
  • Property svn:keywords set to Id
File size: 33.6 KB
Line 
1#!/usr/bin/env python
2#
3# This file is part of Jobmonarch
4#
5# Copyright (C) 2006-2007  Ramon Bastiaans
6# Copyright (C) 2007  Dave Love  (SGE code)
7#
8# Jobmonarch is free software; you can redistribute it and/or modify
9# it under the terms of the GNU General Public License as published by
10# the Free Software Foundation; either version 2 of the License, or
11# (at your option) any later version.
12#
13# Jobmonarch is distributed in the hope that it will be useful,
14# but WITHOUT ANY WARRANTY; without even the implied warranty of
15# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
16# GNU General Public License for more details.
17#
18# You should have received a copy of the GNU General Public License
19# along with this program; if not, write to the Free Software
20# Foundation, Inc., 51 Franklin St, Fifth Floor, Boston, MA  02110-1301  USA
21#
22# SVN $Id: jobmond.py 514 2008-03-08 20:16:32Z bastiaans $
23#
24
25import sys, getopt, ConfigParser, time, os, socket, string, re
26import xdrlib, socket, syslog, xml, xml.sax
27from xml.sax.handler import feature_namespaces
28
29VERSION='0.3.1'
30
31def usage( ver ):
32
33        print 'jobmond %s' %VERSION
34
35        if ver:
36                return 0
37
38        print
39        print 'Purpose:'
40        print '  The Job Monitoring Daemon (jobmond) reports batch jobs information and statistics'
41        print '  to Ganglia, which can be viewed with Job Monarch web frontend'
42        print
43        print 'Usage:   jobmond [OPTIONS]'
44        print
45        print '  -c, --config=FILE      The configuration file to use (default: /etc/jobmond.conf)'
46        print '  -p, --pidfile=FILE     Use pid file to store the process id'
47        print '  -h, --help             Print help and exit'
48        print '  -v, --version          Print version and exit'
49        print
50
51def processArgs( args ):
52
53        SHORT_L         = 'p:hvc:'
54        LONG_L          = [ 'help', 'config=', 'pidfile=', 'version' ]
55
56        global PIDFILE
57        PIDFILE         = None
58
59        config_filename = '/etc/jobmond.conf'
60
61        try:
62
63                opts, args      = getopt.getopt( args, SHORT_L, LONG_L )
64
65        except getopt.GetoptError, detail:
66
67                print detail
68                usage()
69                sys.exit( 1 )
70
71        for opt, value in opts:
72
73                if opt in [ '--config', '-c' ]:
74               
75                        config_filename = value
76
77                if opt in [ '--pidfile', '-p' ]:
78
79                        PIDFILE         = value
80               
81                if opt in [ '--help', '-h' ]:
82 
83                        usage( False )
84                        sys.exit( 0 )
85
86                if opt in [ '--version', '-v' ]:
87
88                        usage( True )
89                        sys.exit( 0 )
90
91        return loadConfig( config_filename )
92
93def loadConfig( filename ):
94
95        def getlist( cfg_string ):
96
97                my_list = [ ]
98
99                for item_txt in cfg_string.split( ',' ):
100
101                        sep_char = None
102
103                        item_txt = item_txt.strip()
104
105                        for s_char in [ "'", '"' ]:
106
107                                if item_txt.find( s_char ) != -1:
108
109                                        if item_txt.count( s_char ) != 2:
110
111                                                print 'Missing quote: %s' %item_txt
112                                                sys.exit( 1 )
113
114                                        else:
115
116                                                sep_char = s_char
117                                                break
118
119                        if sep_char:
120
121                                item_txt = item_txt.split( sep_char )[1]
122
123                        my_list.append( item_txt )
124
125                return my_list
126
127        cfg             = ConfigParser.ConfigParser()
128
129        cfg.read( filename )
130
131        global DEBUG_LEVEL, DAEMONIZE, BATCH_SERVER, BATCH_POLL_INTERVAL
132        global GMOND_CONF, DETECT_TIME_DIFFS, BATCH_HOST_TRANSLATE
133        global BATCH_API, QUEUE, GMETRIC_TARGET, USE_SYSLOG
134        global SYSLOG_LEVEL, SYSLOG_FACILITY, GMETRIC_BINARY
135
136        DEBUG_LEVEL     = cfg.getint( 'DEFAULT', 'DEBUG_LEVEL' )
137
138        DAEMONIZE       = cfg.getboolean( 'DEFAULT', 'DAEMONIZE' )
139
140        SYSLOG_LEVEL    = -1
141        SYSLOG_FACILITY = None
142
143        try:
144                USE_SYSLOG      = cfg.getboolean( 'DEFAULT', 'USE_SYSLOG' )
145
146        except ConfigParser.NoOptionError:
147
148                USE_SYSLOG      = True
149
150                debug_msg( 0, 'ERROR: no option USE_SYSLOG found: assuming yes' )
151
152
153
154        if USE_SYSLOG:
155
156                try:
157                        SYSLOG_LEVEL    = cfg.getint( 'DEFAULT', 'SYSLOG_LEVEL' )
158
159                except ConfigParser.NoOptionError:
160
161                        debug_msg( 0, 'ERROR: no option SYSLOG_LEVEL found: assuming level 0' )
162                        SYSLOG_LEVEL    = 0
163
164                try:
165
166                        SYSLOG_FACILITY = eval( 'syslog.LOG_' + cfg.get( 'DEFAULT', 'SYSLOG_FACILITY' ) )
167
168                except ConfigParser.NoOptionError:
169
170                        SYSLOG_FACILITY = syslog.LOG_DAEMON
171
172                        debug_msg( 0, 'ERROR: no option SYSLOG_FACILITY found: assuming facility DAEMON' )
173
174        try:
175
176                BATCH_SERVER            = cfg.get( 'DEFAULT', 'BATCH_SERVER' )
177
178        except ConfigParser.NoOptionError:
179
180                # Backwards compatibility for old configs
181                #
182
183                BATCH_SERVER            = cfg.get( 'DEFAULT', 'TORQUE_SERVER' )
184                api_guess               = 'pbs'
185       
186        try:
187       
188                BATCH_POLL_INTERVAL     = cfg.getint( 'DEFAULT', 'BATCH_POLL_INTERVAL' )
189
190        except ConfigParser.NoOptionError:
191
192                # Backwards compatibility for old configs
193                #
194
195                BATCH_POLL_INTERVAL     = cfg.getint( 'DEFAULT', 'TORQUE_POLL_INTERVAL' )
196                api_guess               = 'pbs'
197       
198        try:
199
200                GMOND_CONF              = cfg.get( 'DEFAULT', 'GMOND_CONF' )
201
202        except ConfigParser.NoOptionError:
203
204                GMOND_CONF              = None
205
206        try:
207
208                GMETRIC_BINARY          = cfg.get( 'DEFAULT', 'GMETRIC_BINARY' )
209
210        except ConfigParser.NoOptionError:
211
212                GMETRIC_BINARY          = '/usr/bin/gmetric'
213
214        DETECT_TIME_DIFFS       = cfg.getboolean( 'DEFAULT', 'DETECT_TIME_DIFFS' )
215
216        BATCH_HOST_TRANSLATE    = getlist( cfg.get( 'DEFAULT', 'BATCH_HOST_TRANSLATE' ) )
217
218        try:
219
220                BATCH_API       = cfg.get( 'DEFAULT', 'BATCH_API' )
221
222        except ConfigParser.NoOptionError, detail:
223
224                if BATCH_SERVER and api_guess:
225
226                        BATCH_API       = api_guess
227                else:
228                        debug_msg( 0, "FATAL ERROR: BATCH_API not set and can't make guess" )
229                        sys.exit( 1 )
230
231        try:
232
233                QUEUE           = getlist( cfg.get( 'DEFAULT', 'QUEUE' ) )
234
235        except ConfigParser.NoOptionError, detail:
236
237                QUEUE           = None
238
239        try:
240
241                GMETRIC_TARGET  = cfg.get( 'DEFAULT', 'GMETRIC_TARGET' )
242
243        except ConfigParser.NoOptionError:
244
245                GMETRIC_TARGET  = None
246
247                if not GMOND_CONF:
248
249                        debug_msg( 0, "FATAL ERROR: GMETRIC_TARGET and GMOND_CONF both not set! Set at least one!" )
250                        sys.exit( 1 )
251                else:
252
253                        debug_msg( 0, "ERROR: GMETRIC_TARGET not set: internal Gmetric handling aborted. Failing back to DEPRECATED use of gmond.conf/gmetric binary. This will slow down jobmond significantly!" )
254
255        return True
256
257def fqdn_parts (fqdn):
258        """Return pair of host and domain for fully-qualified domain name arg."""
259        parts = fqdn.split (".")
260        return (parts[0], string.join(parts[1:], "."))
261
262METRIC_MAX_VAL_LEN = 900
263
264class DataProcessor:
265
266        """Class for processing of data"""
267
268        binary = None
269
270        def __init__( self, binary=None ):
271
272                """Remember alternate binary location if supplied"""
273
274                global GMETRIC_BINARY
275
276                if binary:
277                        self.binary = binary
278
279                if not self.binary:
280                        self.binary = GMETRIC_BINARY
281
282                # Timeout for XML
283                #
284                # From ganglia's documentation:
285                #
286                # 'A metric will be deleted DMAX seconds after it is received, and
287                # DMAX=0 means eternal life.'
288
289                self.dmax = str( int( int( BATCH_POLL_INTERVAL ) * 2 ) )
290
291                if GMOND_CONF:
292
293                        try:
294                                gmond_file = GMOND_CONF
295
296                        except NameError:
297                                gmond_file = '/etc/gmond.conf'
298
299                        if not os.path.exists( gmond_file ):
300                                debug_msg( 0, 'FATAL ERROR: ' + gmond_file + ' does not exist' )
301                                sys.exit( 1 )
302
303                        incompatible = self.checkGmetricVersion()
304
305                        if incompatible:
306
307                                debug_msg( 0, 'Gmetric version not compatible, please upgrade to at least 3.0.1' )
308                                sys.exit( 1 )
309
310        def checkGmetricVersion( self ):
311
312                """
313                Check version of gmetric is at least 3.0.1
314                for the syntax we use
315                """
316
317                global METRIC_MAX_VAL_LEN
318
319                incompatible    = 0
320
321                gfp             = os.popen( self.binary + ' --version' )
322                lines           = gfp.readlines()
323
324                gfp.close()
325
326                for line in lines:
327
328                        line = line.split( ' ' )
329
330                        if len( line ) == 2 and str( line ).find( 'gmetric' ) != -1:
331                       
332                                gmetric_version = line[1].split( '\n' )[0]
333
334                                version_major   = int( gmetric_version.split( '.' )[0] )
335                                version_minor   = int( gmetric_version.split( '.' )[1] )
336                                version_patch   = int( gmetric_version.split( '.' )[2] )
337
338                                incompatible    = 0
339
340                                if version_major < 3:
341
342                                        incompatible = 1
343                               
344                                elif version_major == 3:
345
346                                        if version_minor == 0:
347
348                                                if version_patch < 1:
349                                               
350                                                        incompatible = 1
351
352                                                # Gmetric 3.0.1 >< 3.0.3 had a bug in the max metric length
353                                                #
354                                                if version_patch < 3:
355
356                                                        METRIC_MAX_VAL_LEN = 900
357
358                                                elif version_patch >= 3:
359
360                                                        METRIC_MAX_VAL_LEN = 1400
361
362                return incompatible
363
364        def multicastGmetric( self, metricname, metricval, valtype='string', units='' ):
365
366                """Call gmetric binary and multicast"""
367
368                cmd = self.binary
369
370                if GMETRIC_TARGET:
371
372                        GMETRIC_TARGET_HOST     = GMETRIC_TARGET.split( ':' )[0]
373                        GMETRIC_TARGET_PORT     = GMETRIC_TARGET.split( ':' )[1]
374
375                        metric_debug            = "[gmetric] name: %s - val: %s - dmax: %s" %( str( metricname ), str( metricval ), str( self.dmax ) )
376
377                        debug_msg( 10, printTime() + ' ' + metric_debug)
378
379                        gm = Gmetric( GMETRIC_TARGET_HOST, GMETRIC_TARGET_PORT )
380
381                        gm.send( str( metricname ), str( metricval ), str( self.dmax ), valtype, units )
382
383                else:
384                        try:
385                                cmd = cmd + ' -c' + GMOND_CONF
386
387                        except NameError:
388
389                                debug_msg( 10, 'Assuming /etc/gmond.conf for gmetric cmd (omitting)' )
390
391                        cmd = cmd + ' -n' + str( metricname )+ ' -v"' + str( metricval )+ '" -t' + str( valtype ) + ' -d' + str( self.dmax )
392
393                        if len( units ) > 0:
394
395                                cmd = cmd + ' -u"' + units + '"'
396
397                        debug_msg( 10, printTime() + ' ' + cmd )
398
399                        os.system( cmd )
400
401class DataGatherer:
402
403        """Skeleton class for batch system DataGatherer"""
404
405        def printJobs( self, jobs ):
406
407                """Print a jobinfo overview"""
408
409                for name, attrs in self.jobs.items():
410
411                        print 'job %s' %(name)
412
413                        for name, val in attrs.items():
414
415                                print '\t%s = %s' %( name, val )
416
417        def printJob( self, jobs, job_id ):
418
419                """Print job with job_id from jobs"""
420
421                print 'job %s' %(job_id)
422
423                for name, val in jobs[ job_id ].items():
424
425                        print '\t%s = %s' %( name, val )
426
427        def getAttr( self, attrs, name ):
428
429                """Return certain attribute from dictionary, if exists"""
430
431                if attrs.has_key( name ):
432
433                        return attrs[ name ]
434                else:
435                        return ''
436
437        def jobDataChanged( self, jobs, job_id, attrs ):
438
439                """Check if job with attrs and job_id in jobs has changed"""
440
441                if jobs.has_key( job_id ):
442
443                        oldData = jobs[ job_id ]       
444                else:
445                        return 1
446
447                for name, val in attrs.items():
448
449                        if oldData.has_key( name ):
450
451                                if oldData[ name ] != attrs[ name ]:
452
453                                        return 1
454
455                        else:
456                                return 1
457
458                return 0
459
460        def submitJobData( self ):
461
462                """Submit job info list"""
463
464                global BATCH_API
465
466                self.dp.multicastGmetric( 'MONARCH-HEARTBEAT', str( int( int( self.cur_time ) + int( self.timeoffset ) ) ) )
467
468                running_jobs    = 0
469                queued_jobs     = 0
470
471                # Count how many running/queued jobs we found
472                #
473                for jobid, jobattrs in self.jobs.items():
474
475                        if jobattrs[ 'status' ] == 'Q':
476
477                                queued_jobs += 1
478
479                        elif jobattrs[ 'status' ] == 'R':
480
481                                running_jobs += 1
482
483                # Report running/queued jobs as seperate metric for a nice RRD graph
484                #
485                self.dp.multicastGmetric( 'MONARCH-RJ', str( running_jobs ), 'uint32', 'jobs' )
486                self.dp.multicastGmetric( 'MONARCH-QJ', str( queued_jobs ), 'uint32', 'jobs' )
487
488                # Report down/offline nodes in batch (PBS only ATM)
489                #
490                if BATCH_API == 'pbs':
491
492                        domain          = fqdn_parts( socket.getfqdn() )[1]
493
494                        downed_nodes    = list()
495                        offline_nodes   = list()
496               
497                        l               = ['state']
498               
499                        for name, node in self.pq.getnodes().items():
500
501                                if ( node[ 'state' ].find( "down" ) != -1 ):
502
503                                        downed_nodes.append( name )
504
505                                if ( node[ 'state' ].find( "offline" ) != -1 ):
506
507                                        offline_nodes.append( name )
508
509                        downnodeslist           = do_nodelist( downed_nodes )
510                        offlinenodeslist        = do_nodelist( offline_nodes )
511
512                        down_str        = 'nodes=%s domain=%s reported=%s' %( string.join( downnodeslist, ';' ), domain, str( int( int( self.cur_time ) + int( self.timeoffset ) ) ) )
513                        offl_str        = 'nodes=%s domain=%s reported=%s' %( string.join( offlinenodeslist, ';' ), domain, str( int( int( self.cur_time ) + int( self.timeoffset ) ) ) )
514                        self.dp.multicastGmetric( 'MONARCH-DOWN'   , down_str )
515                        self.dp.multicastGmetric( 'MONARCH-OFFLINE', offl_str )
516
517                # Now let's spread the knowledge
518                #
519                for jobid, jobattrs in self.jobs.items():
520
521                        # Make gmetric values for each job: respect max gmetric value length
522                        #
523                        gmetric_val             = self.compileGmetricVal( jobid, jobattrs )
524                        metric_increment        = 0
525
526                        # If we have more job info than max gmetric value length allows, split it up
527                        # amongst multiple metrics
528                        #
529                        for val in gmetric_val:
530
531                                self.dp.multicastGmetric( 'MONARCH-JOB-' + jobid + '-' + str(metric_increment), val )
532
533                                # Increase follow number if this jobinfo is split up amongst more than 1 gmetric
534                                #
535                                metric_increment        = metric_increment + 1
536
537        def compileGmetricVal( self, jobid, jobattrs ):
538
539                """Create a val string for gmetric of jobinfo"""
540
541                gval_lists      = [ ]
542                val_list        = { }
543
544                for val_name, val_value in jobattrs.items():
545
546                        # These are our own metric names, i.e.: status, start_timestamp, etc
547                        #
548                        val_list_names_len      = len( string.join( val_list.keys() ) ) + len(val_list.keys())
549
550                        # These are their corresponding values
551                        #
552                        val_list_vals_len       = len( string.join( val_list.values() ) ) + len(val_list.values())
553
554                        if val_name == 'nodes' and jobattrs['status'] == 'R':
555
556                                node_str = None
557
558                                for node in val_value:
559
560                                        if node_str:
561
562                                                node_str = node_str + ';' + node
563                                        else:
564                                                node_str = node
565
566                                        # Make sure if we add this new info, that the total metric's value length does not exceed METRIC_MAX_VAL_LEN
567                                        #
568                                        if (val_list_names_len + len(val_name) ) + (val_list_vals_len + len(node_str) ) > METRIC_MAX_VAL_LEN:
569
570                                                # It's too big, we need to make a new gmetric for the additional info
571                                                #
572                                                val_list[ val_name ]    = node_str
573
574                                                gval_lists.append( val_list )
575
576                                                val_list                = { }
577                                                node_str                = None
578
579                                val_list[ val_name ]    = node_str
580
581                                gval_lists.append( val_list )
582
583                                val_list                = { }
584
585                        elif val_value != '':
586
587                                # Make sure if we add this new info, that the total metric's value length does not exceed METRIC_MAX_VAL_LEN
588                                #
589                                if (val_list_names_len + len(val_name) ) + (val_list_vals_len + len(str(val_value)) ) > METRIC_MAX_VAL_LEN:
590
591                                        # It's too big, we need to make a new gmetric for the additional info
592                                        #
593                                        gval_lists.append( val_list )
594
595                                        val_list                = { }
596
597                                val_list[ val_name ]    = val_value
598
599                if len( val_list ) > 0:
600
601                        gval_lists.append( val_list )
602
603                str_list        = [ ]
604
605                # Now append the value names and values together, i.e.: stop_timestamp=value, etc
606                #
607                for val_list in gval_lists:
608
609                        my_val_str      = None
610
611                        for val_name, val_value in val_list.items():
612
613                                if my_val_str:
614
615                                        my_val_str = my_val_str + ' ' + val_name + '=' + val_value
616                                else:
617                                        my_val_str = val_name + '=' + val_value
618
619                        str_list.append( my_val_str )
620
621                return str_list
622
623        def daemon( self ):
624
625                """Run as daemon forever"""
626
627                # Fork the first child
628                #
629                pid = os.fork()
630                if pid > 0:
631                        sys.exit(0)  # end parent
632
633                # creates a session and sets the process group ID
634                #
635                os.setsid()
636
637                # Fork the second child
638                #
639                pid = os.fork()
640                if pid > 0:
641                        sys.exit(0)  # end parent
642
643                write_pidfile()
644
645                # Go to the root directory and set the umask
646                #
647                os.chdir('/')
648                os.umask(0)
649
650                sys.stdin.close()
651                sys.stdout.close()
652                sys.stderr.close()
653
654                os.open('/dev/null', os.O_RDWR)
655                os.dup2(0, 1)
656                os.dup2(0, 2)
657
658                self.run()
659
660        def run( self ):
661
662                """Main thread"""
663
664                while ( 1 ):
665               
666                        self.getJobData()
667                        self.submitJobData()
668                        time.sleep( BATCH_POLL_INTERVAL )       
669
670# SGE code by Dave Love <fx@gnu.org>.  Tested with SGE 6.0u8 and 6.0u11.
671# Probably needs modification for SGE 6.1.  See also the fixmes.
672
673class NoJobs (Exception):
674        """Exception raised by empty job list in qstat output."""
675        pass
676
677class SgeQstatXMLParser(xml.sax.handler.ContentHandler):
678        """SAX handler for XML output from Sun Grid Engine's `qstat'."""
679
680        def __init__(self):
681                self.value = ""
682                self.joblist = []
683                self.job = {}
684                self.queue = ""
685                self.in_joblist = False
686                self.lrequest = False
687                xml.sax.handler.ContentHandler.__init__(self)
688
689        # The structure of the output is as follows.  Unfortunately
690        # it's voluminous, and probably doesn't scale to large
691        # clusters/queues.
692
693        # <detailed_job_info  xmlns:xsd="http://www.w3.org/2001/XMLSchema">
694        #   <djob_info>
695        #     <qmaster_response>  <!-- job -->
696        #       ...
697        #       <JB_ja_template> 
698        #         <ulong_sublist>
699        #         ...             <!-- start_time, state ... -->
700        #         </ulong_sublist>
701        #       </JB_ja_template> 
702        #       <JB_ja_tasks>
703        #         <ulong_sublist>
704        #           ...           <!-- task info
705        #         </ulong_sublist>
706        #         ...
707        #       </JB_ja_tasks>
708        #       ...
709        #     </qmaster_response>
710        #   </djob_info>
711        #   <messages>
712        #   ...
713
714        # NB.  We might treat each task as a separate job, like
715        # straight qstat output, but the web interface expects jobs to
716        # be identified by integers, not, say, <job number>.<task>.
717
718        # So, I lied.  If the job list is empty, we get invalid XML
719        # like this, which we need to defend against:
720
721        # <unknown_jobs  xmlns:xsd="http://www.w3.org/2001/XMLSchema">
722        #   <>
723        #     <ST_name>*</ST_name>
724        #   </>
725        # </unknown_jobs>
726
727        def startElement(self, name, attrs):
728                self.value = ""
729                if name == "djob_info": # job list
730                        self.in_joblist = True
731                elif name == "qmaster_response" and self.in_joblist: # job
732                        self.job = {"job_state": "U", "slots": 0,
733                                    "nodes": [], "queued_timestamp": "",
734                                    "queued_timestamp": "", "queue": "",
735                                    "ppn": "0", "RN_max": 0,
736                                    # fixme in endElement
737                                    "requested_memory": 0, "requested_time": 0
738                                    }
739                        self.joblist.append(self.job)
740                elif name == "qstat_l_requests": # resource request
741                        self.lrequest = True
742                elif name == "unknown_jobs":
743                        raise NoJobs
744
745        def characters(self, ch):
746                self.value += ch
747
748        def endElement(self, name): 
749                """Snarf job elements contents into job dictionary.
750                   Translate keys if appropriate."""
751
752                name_trans = {
753                  "JB_job_number": "number",
754                  "JB_job_name": "name", "JB_owner": "owner",
755                  "queue_name": "queue", "JAT_start_time": "start_timestamp",
756                  "JB_submission_time": "queued_timestamp"
757                  }
758                value = self.value
759
760                if name == "djob_info":
761                        self.in_joblist = False
762                        self.job = {}
763                elif name == "JAT_master_queue":
764                        self.job["queue"] = value.split("@")[0]
765                elif name == "JG_qhostname":
766                        if not (value in self.job["nodes"]):
767                                self.job["nodes"].append(value)
768                elif name == "JG_slots": # slots in use
769                        self.job["slots"] += int(value)
770                elif name == "RN_max": # requested slots (tasks or parallel)
771                        self.job["RN_max"] = max (self.job["RN_max"],
772                                                  int(value))
773                elif name == "JAT_state": # job state (bitwise or)
774                        value = int (value)
775                        # Status values from sge_jobL.h
776                        #define JIDLE                   0x00000000
777                        #define JHELD                   0x00000010
778                        #define JMIGRATING              0x00000020
779                        #define JQUEUED                 0x00000040
780                        #define JRUNNING                0x00000080
781                        #define JSUSPENDED              0x00000100
782                        #define JTRANSFERING            0x00000200
783                        #define JDELETED                0x00000400
784                        #define JWAITING                0x00000800
785                        #define JEXITING                0x00001000
786                        #define JWRITTEN                0x00002000
787                        #define JSUSPENDED_ON_THRESHOLD 0x00010000
788                        #define JFINISHED               0x00010000
789                        if value & 0x80:
790                                self.job["status"] = "R"
791                        elif value & 0x40:
792                                self.job["status"] = "Q"
793                        else:
794                                self.job["status"] = "O" # `other'
795                elif name == "CE_name" and self.lrequest and self.value in \
796                            ("h_cpu", "s_cpu", "cpu", "h_core", "s_core"):
797                        # We're in a container for an interesting resource
798                        # request; record which type.
799                        self.lrequest = self.value
800                elif name == "CE_doubleval" and self.lrequest:
801                        # if we're in a container for an interesting
802                        # resource request, use the maxmimum of the hard
803                        # and soft requests to record the requested CPU
804                        # or core.  Fixme:  I'm not sure if this logic is
805                        # right.
806                        if self.lrequest in ("h_core", "s_core"):
807                                self.job["requested_memory"] = \
808                                    max (float (value),
809                                         self.job["requested_memory"])
810                        # Fixme:  Check what cpu means, c.f [hs]_cpu.
811                        elif self.lrequest in ("h_cpu", "s_cpu", "cpu"):
812                                self.job["requested_time"] = \
813                                    max (float (value),
814                                         self.job["requested_time"])
815                elif name == "qstat_l_requests":
816                        self.lrequest = False
817                elif self.job and self.in_joblist:
818                        if name in name_trans:
819                                name = name_trans[name]
820                                self.job[name] = value
821
822# Abstracted from PBS original.
823# Fixme:  Is it worth (or appropriate for PBS) sorting the result?
824def do_nodelist (nodes):
825        """Translate node list as appropriate."""
826        nodeslist               = [ ]
827        my_domain = fqdn_parts(socket.getfqdn())[1]
828        for node in nodes:
829                host            = node.split( '/' )[0] # not relevant for SGE
830                h, host_domain  = fqdn_parts(host)
831                if host_domain == my_domain:
832                        host    = h
833                if nodeslist.count( host ) == 0:
834                        for translate_pattern in BATCH_HOST_TRANSLATE:
835                                if translate_pattern.find( '/' ) != -1:
836                                        translate_orig  = \
837                                            translate_pattern.split( '/' )[1]
838                                        translate_new   = \
839                                            translate_pattern.split( '/' )[2]
840                                        host = re.sub( translate_orig,
841                                                       translate_new, host )
842                        if not host in nodeslist:
843                                nodeslist.append( host )
844        return nodeslist
845
846class SgeDataGatherer(DataGatherer):
847
848        jobs = {}
849
850        def __init__( self ):
851                self.jobs = {}
852                self.timeoffset = 0
853                self.dp = DataProcessor()
854
855        def getJobData( self ):
856                """Gather all data on current jobs in SGE"""
857
858                import popen2
859
860                self.cur_time = 0
861                queues = ""
862                if QUEUE:       # only for specific queues
863                        # Fixme:  assumes queue names don't contain single
864                        # quote or comma.  Don't know what the SGE rules are.
865                        queues = " -q '" + string.join (QUEUE, ",") + "'"
866                # Note the comment in SgeQstatXMLParser about scaling with
867                # this method of getting data.  I haven't found better one.
868                # Output with args `-xml -ext -f -r' is easier to parse
869                # in some ways, harder in others, but it doesn't provide
870                # the submission time, at least.
871                piping = popen2.Popen3("qstat -u '*' -j '*' -xml" + queues,
872                                       True)
873                qstatparser = SgeQstatXMLParser()
874                parse_err = 0
875                try:
876                        xml.sax.parse(piping.fromchild, qstatparser)
877                except NoJobs:
878                        pass
879                except:
880                        parse_err = 1
881                if piping.wait():
882                        debug_msg(10,
883                                  "qstat error, skipping until next polling interval: "
884                                  + piping.childerr.readline())
885                        return None
886                elif parse_err:
887                        debug_msg(10, "Bad XML output from qstat"())
888                        exit (1)
889                for f in piping.fromchild, piping.tochild, piping.childerr:
890                        f.close()
891                self.cur_time = time.time()
892                jobs_processed = []
893                for job in qstatparser.joblist:
894                        job_id = job["number"]
895                        if job["status"] in [ 'Q', 'R' ]:
896                                jobs_processed.append(job_id)
897                        if job["status"] == "R":
898                                job["nodes"] = do_nodelist (job["nodes"])
899                                # Fixme: Is this right?
900                                job["ppn"] = float(job["slots"]) / \
901                                    len(job["nodes"])
902                                if DETECT_TIME_DIFFS:
903                                        # If a job start is later than our
904                                        # current date, that must mean
905                                        # the SGE server's time is later
906                                        # than our local time.
907                                        start_timestamp = \
908                                            int (job["start_timestamp"])
909                                        if start_timestamp > \
910                                                    int(self.cur_time) + \
911                                                    int(self.timeoffset):
912
913                                                self.timeoffset = \
914                                                    start_timestamp - \
915                                                    int(self.cur_time)
916                        else:
917                                # fixme: Note sure what this should be:
918                                job["ppn"] = job["RN_max"]
919                                job["nodes"] = "1"
920
921                        myAttrs = {}
922                        for attr in ["name", "queue", "owner",
923                                     "requested_time", "status",
924                                     "requested_memory", "ppn",
925                                     "start_timestamp", "queued_timestamp"]:
926                                myAttrs[attr] = str(job[attr])
927                        myAttrs["nodes"] = job["nodes"]
928                        myAttrs["reported"] = str(int(self.cur_time) + \
929                                                  int(self.timeoffset))
930                        myAttrs["domain"] = fqdn_parts(socket.getfqdn())[1]
931                        myAttrs["poll_interval"] = str(BATCH_POLL_INTERVAL)
932
933                        if self.jobDataChanged(self.jobs, job_id, myAttrs) \
934                                    and myAttrs["status"] in ["R", "Q"]:
935                                self.jobs[job_id] = myAttrs
936                for id, attrs in self.jobs.items():
937                        if id not in jobs_processed:
938                                del self.jobs[id]
939
940class PbsDataGatherer( DataGatherer ):
941
942        """This is the DataGatherer for PBS and Torque"""
943
944        global PBSQuery
945
946        def __init__( self ):
947
948                """Setup appropriate variables"""
949
950                self.jobs       = { }
951                self.timeoffset = 0
952                self.dp         = DataProcessor()
953
954                self.initPbsQuery()
955
956        def initPbsQuery( self ):
957
958                self.pq         = None
959
960                if( BATCH_SERVER ):
961
962                        self.pq         = PBSQuery( BATCH_SERVER )
963                else:
964                        self.pq         = PBSQuery()
965
966        def getJobData( self ):
967
968                """Gather all data on current jobs in Torque"""
969
970                joblist         = {}
971                self.cur_time   = 0
972
973                try:
974                        joblist         = self.pq.getjobs()
975                        self.cur_time   = time.time()
976
977                except PBSError, detail:
978
979                        debug_msg( 10, "Caught PBS unavailable, skipping until next polling interval: " + str( detail ) )
980                        return None
981
982                jobs_processed  = [ ]
983
984                for name, attrs in joblist.items():
985                        display_queue           = 1
986                        job_id                  = name.split( '.' )[0]
987
988                        name                    = self.getAttr( attrs, 'Job_Name' )
989                        queue                   = self.getAttr( attrs, 'queue' )
990
991                        if QUEUE:
992                                for q in QUEUE:
993                                        if q == queue:
994                                                display_queue = 1
995                                                break
996                                        else:
997                                                display_queue = 0
998                                                continue
999                        if display_queue == 0:
1000                                continue
1001
1002
1003                        owner                   = self.getAttr( attrs, 'Job_Owner' ).split( '@' )[0]
1004                        requested_time          = self.getAttr( attrs, 'Resource_List.walltime' )
1005                        requested_memory        = self.getAttr( attrs, 'Resource_List.mem' )
1006
1007                        mynoderequest           = self.getAttr( attrs, 'Resource_List.nodes' )
1008
1009                        ppn                     = ''
1010
1011                        if mynoderequest.find( ':' ) != -1 and mynoderequest.find( 'ppn' ) != -1:
1012
1013                                mynoderequest_fields    = mynoderequest.split( ':' )
1014
1015                                for mynoderequest_field in mynoderequest_fields:
1016
1017                                        if mynoderequest_field.find( 'ppn' ) != -1:
1018
1019                                                ppn     = mynoderequest_field.split( 'ppn=' )[1]
1020
1021                        status                  = self.getAttr( attrs, 'job_state' )
1022
1023                        if status in [ 'Q', 'R' ]:
1024
1025                                jobs_processed.append( job_id )
1026
1027                        queued_timestamp        = self.getAttr( attrs, 'ctime' )
1028
1029                        if status == 'R':
1030
1031                                start_timestamp         = self.getAttr( attrs, 'mtime' )
1032                                nodes                   = self.getAttr( attrs, 'exec_host' ).split( '+' )
1033
1034                                nodeslist               = do_nodelist( nodes )
1035
1036                                if DETECT_TIME_DIFFS:
1037
1038                                        # If a job start if later than our current date,
1039                                        # that must mean the Torque server's time is later
1040                                        # than our local time.
1041                               
1042                                        if int( start_timestamp ) > int( int( self.cur_time ) + int( self.timeoffset ) ):
1043
1044                                                self.timeoffset = int( int(start_timestamp) - int(self.cur_time) )
1045
1046                        elif status == 'Q':
1047
1048                                # 'mynodequest' can be a string in the following syntax according to the
1049                                # Torque Administator's manual:
1050                                #
1051                                # {<node_count> | <hostname>}[:ppn=<ppn>][:<property>[:<property>]...][+ ...]
1052                                # {<node_count> | <hostname>}[:ppn=<ppn>][:<property>[:<property>]...][+ ...]
1053                                # etc
1054                                #
1055
1056                                #
1057                                # For now we only count the amount of nodes request and ignore properties
1058                                #
1059
1060                                start_timestamp         = ''
1061                                count_mynodes           = 0
1062
1063                                for node in mynoderequest.split( '+' ):
1064
1065                                        # Just grab the {node_count|hostname} part and ignore properties
1066                                        #
1067                                        nodepart        = node.split( ':' )[0]
1068
1069                                        # Let's assume a node_count value
1070                                        #
1071                                        numeric_node    = 1
1072
1073                                        # Chop the value up into characters
1074                                        #
1075                                        for letter in nodepart:
1076
1077                                                # If this char is not a digit (0-9), this must be a hostname
1078                                                #
1079                                                if letter not in string.digits:
1080
1081                                                        numeric_node    = 0
1082
1083                                        # If this is a hostname, just count this as one (1) node
1084                                        #
1085                                        if not numeric_node:
1086
1087                                                count_mynodes   = count_mynodes + 1
1088                                        else:
1089
1090                                                # If this a number, it must be the node_count
1091                                                # and increase our count with it's value
1092                                                #
1093                                                try:
1094                                                        count_mynodes   = count_mynodes + int( nodepart )
1095
1096                                                except ValueError, detail:
1097
1098                                                        # When we arrive here I must be bugged or very confused
1099                                                        # THIS SHOULD NOT HAPPEN!
1100                                                        #
1101                                                        debug_msg( 10, str( detail ) )
1102                                                        debug_msg( 10, "Encountered weird node in Resources_List?!" )
1103                                                        debug_msg( 10, 'nodepart = ' + str( nodepart ) )
1104                                                        debug_msg( 10, 'job = ' + str( name ) )
1105                                                        debug_msg( 10, 'attrs = ' + str( attrs ) )
1106                                               
1107                                nodeslist       = str( count_mynodes )
1108                        else:
1109                                start_timestamp = ''
1110                                nodeslist       = ''
1111
1112                        myAttrs                         = { }
1113
1114                        myAttrs[ 'name' ]               = str( name )
1115                        myAttrs[ 'queue' ]              = str( queue )
1116                        myAttrs[ 'owner' ]              = str( owner )
1117                        myAttrs[ 'requested_time' ]     = str( requested_time )
1118                        myAttrs[ 'requested_memory' ]   = str( requested_memory )
1119                        myAttrs[ 'ppn' ]                = str( ppn )
1120                        myAttrs[ 'status' ]             = str( status )
1121                        myAttrs[ 'start_timestamp' ]    = str( start_timestamp )
1122                        myAttrs[ 'queued_timestamp' ]   = str( queued_timestamp )
1123                        myAttrs[ 'reported' ]           = str( int( int( self.cur_time ) + int( self.timeoffset ) ) )
1124                        myAttrs[ 'nodes' ]              = nodeslist
1125                        myAttrs[ 'domain' ]             = fqdn_parts( socket.getfqdn() )[1]
1126                        myAttrs[ 'poll_interval' ]      = str( BATCH_POLL_INTERVAL )
1127
1128                        if self.jobDataChanged( self.jobs, job_id, myAttrs ) and myAttrs['status'] in [ 'R', 'Q' ]:
1129
1130                                self.jobs[ job_id ]     = myAttrs
1131
1132                for id, attrs in self.jobs.items():
1133
1134                        if id not in jobs_processed:
1135
1136                                # This one isn't there anymore; toedeledoki!
1137                                #
1138                                del self.jobs[ id ]
1139
1140#
1141# Gmetric by Nick Galbreath - nickg(a.t)modp(d.o.t)com
1142# Version 1.0 - 21-April2-2007
1143# http://code.google.com/p/embeddedgmetric/
1144#
1145# Modified by: Ramon Bastiaans
1146# For the Job Monarch Project, see: https://subtrac.sara.nl/oss/jobmonarch/
1147#
1148# added: DEFAULT_TYPE for Gmetric's
1149# added: checkHostProtocol to determine if target is multicast or not
1150# changed: allow default for Gmetric constructor
1151# changed: allow defaults for all send() values except dmax
1152#
1153
1154GMETRIC_DEFAULT_TYPE    = 'string'
1155GMETRIC_DEFAULT_HOST    = '127.0.0.1'
1156GMETRIC_DEFAULT_PORT    = '8649'
1157GMETRIC_DEFAULT_UNITS   = ''
1158
1159class Gmetric:
1160
1161        global GMETRIC_DEFAULT_HOST, GMETRIC_DEFAULT_PORT
1162
1163        slope           = { 'zero' : 0, 'positive' : 1, 'negative' : 2, 'both' : 3, 'unspecified' : 4 }
1164        type            = ( '', 'string', 'uint16', 'int16', 'uint32', 'int32', 'float', 'double', 'timestamp' )
1165        protocol        = ( 'udp', 'multicast' )
1166
1167        def __init__( self, host=GMETRIC_DEFAULT_HOST, port=GMETRIC_DEFAULT_PORT ):
1168               
1169                global GMETRIC_DEFAULT_TYPE
1170
1171                self.prot       = self.checkHostProtocol( host )
1172                self.msg        = xdrlib.Packer()
1173                self.socket     = socket.socket( socket.AF_INET, socket.SOCK_DGRAM )
1174
1175                if self.prot not in self.protocol:
1176
1177                        raise ValueError( "Protocol must be one of: " + str( self.protocol ) )
1178
1179                if self.prot == 'multicast':
1180
1181                        # Set multicast options
1182                        #
1183                        self.socket.setsockopt( socket.IPPROTO_IP, socket.IP_MULTICAST_TTL, 20 )
1184
1185                self.hostport   = ( host, int( port ) )
1186                self.slopestr   = 'both'
1187                self.tmax       = 60
1188
1189        def checkHostProtocol( self, ip ):
1190
1191                """Detect if a ip adress is a multicast address"""
1192
1193                MULTICAST_ADDRESS_MIN   = ( "224", "0", "0", "0" )
1194                MULTICAST_ADDRESS_MAX   = ( "239", "255", "255", "255" )
1195
1196                ip_fields               = ip.split( '.' )
1197
1198                if ip_fields >= MULTICAST_ADDRESS_MIN and ip_fields <= MULTICAST_ADDRESS_MAX:
1199
1200                        return 'multicast'
1201                else:
1202                        return 'udp'
1203
1204        def send( self, name, value, dmax, typestr = '', units = '' ):
1205
1206                if len( units ) == 0:
1207                        units           = GMETRIC_DEFAULT_UNITS
1208
1209                if len( typestr ) == 0:
1210                        typestr         = GMETRIC_DEFAULT_TYPE
1211
1212                msg             = self.makexdr( name, value, typestr, units, self.slopestr, self.tmax, dmax )
1213
1214                return self.socket.sendto( msg, self.hostport )
1215
1216        def makexdr( self, name, value, typestr, unitstr, slopestr, tmax, dmax ):
1217
1218                if slopestr not in self.slope:
1219
1220                        raise ValueError( "Slope must be one of: " + str( self.slope.keys() ) )
1221
1222                if typestr not in self.type:
1223
1224                        raise ValueError( "Type must be one of: " + str( self.type ) )
1225
1226                if len( name ) == 0:
1227
1228                        raise ValueError( "Name must be non-empty" )
1229
1230                self.msg.reset()
1231                self.msg.pack_int( 0 )
1232                self.msg.pack_string( typestr )
1233                self.msg.pack_string( name )
1234                self.msg.pack_string( str( value ) )
1235                self.msg.pack_string( unitstr )
1236                self.msg.pack_int( self.slope[ slopestr ] )
1237                self.msg.pack_uint( int( tmax ) )
1238                self.msg.pack_uint( int( dmax ) )
1239
1240                return self.msg.get_buffer()
1241
1242def printTime( ):
1243
1244        """Print current time/date in human readable format for log/debug"""
1245
1246        return time.strftime("%a, %d %b %Y %H:%M:%S")
1247
1248def debug_msg( level, msg ):
1249
1250        """Print msg if at or above current debug level"""
1251
1252        global DAEMONIZE, DEBUG_LEVEL, SYSLOG_LEVEL
1253
1254        if (not DAEMONIZE and DEBUG_LEVEL >= level):
1255                sys.stderr.write( msg + '\n' )
1256
1257        if (DAEMONIZE and USE_SYSLOG and SYSLOG_LEVEL >= level):
1258                syslog.syslog( msg )
1259
1260def write_pidfile():
1261
1262        # Write pidfile if PIDFILE is set
1263        #
1264        if PIDFILE:
1265
1266                pid     = os.getpid()
1267
1268                pidfile = open( PIDFILE, 'w' )
1269
1270                pidfile.write( str( pid ) )
1271                pidfile.close()
1272
1273def main():
1274
1275        """Application start"""
1276
1277        global PBSQuery, PBSError
1278        global SYSLOG_FACILITY, USE_SYSLOG, BATCH_API, DAEMONIZE
1279
1280        if not processArgs( sys.argv[1:] ):
1281
1282                sys.exit( 1 )
1283
1284        # Load appropriate DataGatherer depending on which BATCH_API is set
1285        # and any required modules for the Gatherer
1286        #
1287        if BATCH_API == 'pbs':
1288
1289                try:
1290                        from PBSQuery import PBSQuery, PBSError
1291
1292                except ImportError:
1293
1294                        debug_msg( 0, "FATAL ERROR: BATCH_API set to 'pbs' but python module 'pbs_python' is not installed" )
1295                        sys.exit( 1 )
1296
1297                gather = PbsDataGatherer()
1298
1299        elif BATCH_API == 'sge':
1300
1301                # Tested with SGE 6.0u11.
1302#               debug_msg( 0, "FATAL ERROR: BATCH_API 'sge' implementation is currently broken, check future releases" )
1303
1304#               sys.exit( 1 )
1305
1306                gather = SgeDataGatherer()
1307
1308        else:
1309                debug_msg( 0, "FATAL ERROR: unknown BATCH_API '" + BATCH_API + "' is not supported" )
1310
1311                sys.exit( 1 )
1312
1313        if( DAEMONIZE and USE_SYSLOG ):
1314
1315                syslog.openlog( 'jobmond', syslog.LOG_NOWAIT, SYSLOG_FACILITY )
1316
1317
1318        if DAEMONIZE:
1319
1320                gather.daemon()
1321        else:
1322                gather.run()
1323
1324# wh00t? someone started me! :)
1325#
1326if __name__ == '__main__':
1327        main()
Note: See TracBrowser for help on using the repository browser.