跳转至

快速上手

本页帮助你快速开始使用鹤思容器功能。阅读本文后，你将能够提交容器作业、查看容器状态、追加容器作业步并进行运行期交互。

前置条件

  • 集群管理员已启用容器功能（CRI 已配置）
  • 你拥有有效的用户账户和分区访问权限
  • 容器镜像可从节点访问（本地或远程仓库）

第一个容器作业

使用 ccon run 提交一个简单的容器作业：

ccon -p CPU run ubuntu:22.04 echo "Hello from container"

参数说明：

参数 说明
-p CPU 指定分区（Crane Flag，放在 ccon 和 run 之间）
ubuntu:22.04 容器镜像
echo "Hello from container" 容器启动命令

命令执行后，作业将进入队列等待调度。调度成功后，容器在分配的节点上运行，输出结果后退出。

查看容器状态

查看容器作业步

# 查看运行中的容器作业步
ccon ps

# 查看所有容器作业步（包括已完成）
ccon ps -a

输出示例：

CONTAINER ID   IMAGE          COMMAND                  CREATED        STATUS     NODE
123.1          ubuntu:22.04   echo "Hello from co..."  2 minutes ago  Running    node01
124.1          python:3.11    python train.py          5 minutes ago  Completed  node02

查看容器作业（Pod）

# 查看运行中的容器作业
ccon pods

# 查看所有容器作业
ccon pods -a

输出示例：

POD ID   NAME       CREATED         STATUS     NODES
123      myjob      2 minutes ago   Running    node01
124      training   5 minutes ago   Completed  node02

交互式容器

使用 -it 参数启动交互式容器：

ccon -p CPU run -it ubuntu:22.04 /bin/bash

参数说明：

参数 说明
-i 保持标准输入打开
-t 分配伪终端

进入容器后，你可以像使用普通终端一样执行命令。退出容器后，作业自动结束。

后台运行容器

使用 -d 参数在后台运行容器：

ccon -p CPU run -d --name myserver nginx:latest

命令返回容器 ID（格式为 JOBID.STEPID），容器在后台持续运行。

使用 cbatch --pod

cbatch --pod 允许你使用批处理脚本创建容器作业，适合需要编排多个容器任务的场景。

创建脚本

创建文件 job.sh：

#!/bin/bash
#CBATCH --job-name=container-job
#CBATCH -p CPU
#CBATCH -N 1
#CBATCH --pod

echo "Job started on $(hostname)"

# 运行第一个容器任务
ccon run python:3.11 python -c "print('Step 1: Data preprocessing')"

# 运行第二个容器任务
ccon run python:3.11 python -c "print('Step 2: Model training')"

echo "Job completed"

提交作业

cbatch job.sh

脚本中的 #CBATCH --pod 指令表示这是一个容器作业。作业开始时，系统自动创建 Pod，脚本作为 Primary Step 运行。脚本内的 ccon run 命令追加容器作业步，复用作业分配的资源。

追加容器作业步

在容器作业运行期间，可以追加新的容器作业步。

在 cbatch 脚本内

脚本内直接使用 ccon run：

#!/bin/bash
#CBATCH --pod
#CBATCH -p CPU

# 追加容器作业步
ccon run ubuntu:22.04 echo "This is a container step"

# 后台追加容器作业步
ccon run -d redis:latest

# 等待所有容器作业步完成
ccon wait

在交互式会话中

首先使用 calloc 分配资源并创建容器作业：

# 分配资源（此功能需要配合 cbatch --pod 使用）
cbatch --pod -N 1 -p CPU --wrap "sleep infinity" &

# 假设作业 ID 为 125，可以在另一个终端追加容器作业步
export CRANE_JOB_ID=125
ccon run python:3.11 python script.py

运行期交互

查看容器日志

# 查看容器日志
ccon logs 123.1

# 实时跟踪日志
ccon logs -f 123.1

# 查看最后 100 行
ccon logs --tail 100 123.1

连接到运行中的容器

# 连接到容器的标准输入/输出
ccon attach 123.1

使用 Ctrl+C 断开连接（不会终止容器）。

在容器内执行命令

# 执行单个命令
ccon exec 123.1 ls -la /app

# 启动交互式 shell
ccon exec -it 123.1 /bin/bash

停止容器

# 停止容器作业步
ccon stop 123.1

# 指定超时时间（秒）
ccon stop -t 30 123.1

停止容器作业步会向容器发送 SIGTERM 信号，超时后发送 SIGKILL。

常用资源参数

ccon run 支持标准的 Crane 资源参数：

# 指定 CPU 和内存
ccon -c 4 --mem 8G -p CPU run python:3.11 python train.py

# 使用 GPU
ccon --gres gpu:1 -p GPU run pytorch/pytorch:latest python train.py

# 指定时间限制
ccon -t 1:00:00 -p CPU run ubuntu:22.04 ./long_task.sh

# 指定节点数
ccon -N 2 -p CPU run mpi-image mpirun ./my_mpi_app

Crane Flags 位置

Crane 资源参数（如 -p、-c、--mem、--gres）必须放在 ccon 和 run 之间，而容器参数（如 -d、-it、-v）放在 run 之后。

ccon [Crane Flags] run [Container Flags] IMAGE [COMMAND]

挂载目录

使用 -v 参数挂载主机目录到容器：

# 挂载数据目录
ccon -p CPU run -v /data/input:/input -v /data/output:/output python:3.11 python process.py

格式为 主机路径:容器路径。

环境变量

使用 -e 参数设置环境变量：

ccon -p CPU run -e MODEL_PATH=/models -e BATCH_SIZE=32 python:3.11 python train.py

下一步