ecFlow学习笔记02.4.9 —— Zombie

该教程的最新版已发布在GitHub上，请访问ecflow-tutorial-cn

这是 ecFlow 教程的一部分，完整教程请参看《ecFlow学习笔记02 —— 教程》

• • *Zombie 是与 ecflow_server 通信验证权限失败的正在运行的作业。

如何产生

多种原因，常见的集中：

• 作业运行时，节点树被删除、替换、重新加载。
• 作业正在运行时（处于 submitted 或 active 状态），被重新运行
• 作业被强制设为新状态，如 complete

更罕见的原因有：

• ecf 脚本错误，多次运行初始化或完成命令
• ecf script 中的 child command 被放到后台，这种情况下，子节点命令执行顺序不正确。
• 负载控制器多次提交作业
• 服务器宕机，恢复 check point 文件过期
• 机器故障

如何处理

init complete wait 命令的默认行为是 block 作业，event label meter的默认行为是 fob。
子节点命令持续尝试连接 ecflow_server，直到24小时（由 ecflow_client 端的 ECF_TIMEOUT 指定）。
可以设置子节点命令在服务器拒绝连接时立刻出错（查看 ecflow_client 的 ECF_DENIED）。
ecflowview 提供一个对话框，列出所有的 zombies 和可以采用的处理方法。包括：
Terminate
令命令失败，根据脚本可能会调用 abort 命令，会导致生成新的 zombie。
Fob
允许作业继续运行。child command 命令运行结束，因此不再阻止作业。
但要特别注意可能会出现的问题。如果有两个运行中的作业，会导致数据冲突。即便有大哥作业，可以能产生问题。例如，相关命令是 event 命令，该 event 将不会被设置，如果后续的 trigger 表达式中有该 event，该 trigger 就不会生效。
Delete
从服务器移除 zombie，作业仍被阻塞，子节点命令再次尝试连接 ecflow_server 时，会再次出现zombie。
手动杀掉作业时，可以使用该选项
Rescure
接受 zombie，更新节点树。zobmie 的 ECF_PASS 将会拷贝到 task 上，因此下一次的 child command 将会正常运行。用户要确保没有其他作业运行。
Kill
使用 ECF_KILL_CMD 杀掉 zombie。如果脚本中正确的信号捕获，该操作会以调用 abort 结束。
path zombies 需要手动杀掉。
注意：上面四中方法中，只有 Rescue 允许 child command 修改节点树的状态。

任务

1. 创建一个 zombie：启动某个 task，通过 ecflowview 立即将它设为 complete。
2. 查看 log 文件，可以看到 zombie 如何形成。

3. 在 ecflowview 中查看 zombie 对话框（鼠标右键点击 host 节点）。
   
4. 试验不同的 zombie 处理方法
   Terminate

Terminate 日志

Terminate 后找不到该进程
Rescue

5. 选择 host 节点，打开 option… 菜单。选择 Zombies 按钮，将在发现 zombie 时弹出通知窗口。
   

词汇表

zombie
ecflow_server
node
task
submitted
active
complete
ecf script
child command
check point
ecflow_client
ecflowview
event
trigger