Chạy Mô hình Dự báo Thời tiết của WRF bằng các Số Linh động' Slurm-GCP

1. Giới thiệu

Lần cập nhật gần đây nhất: ngày 5 tháng 5 năm 2021

Sản phẩm bạn sẽ tạo ra

Trong lớp học lập trình này, bạn sẽ triển khai một cụm Điện toán hiệu năng cao (HPC) tự động cấp tài nguyên bổ sung trên Google Cloud bằng trình lập lịch công việc Slurm. Bạn sẽ sử dụng một ví dụ về việc triển khai Terraform để triển khai cụm này với WRF® được cài đặt thông qua Spack. Sau đó, bạn sẽ sử dụng cơ sở hạ tầng này để chạy điểm chuẩn CONUS 2,5 km hoặc điểm chuẩn CONUS 12 km.

Kiến thức bạn sẽ học được

• Cách định cấu hình các chính sách Quản lý danh tính và quyền truy cập (IAM) để vận hành một cụm HPC trên Google Cloud Platform
• Cách triển khai một cụm HPC gốc trên đám mây bằng trình lập lịch công việc Slurm
• Cách chạy WRF® song song trên Google Cloud bằng cách sử dụng một lô công việc Slurm

Những gì bạn cần

• Tài khoản Gmail có khoá SSH được đính kèm, hoặc Google Workspace, Cloud Identity
• Dự án trên Google Cloud Platform có tính năng thanh toán
• Vai trò chủ sở hữu dự án trên Dự án GCP
• Đủ hạn mức Compute Engine (480 vCPU c2 và 500 GB Ổ đĩa chuẩn PD)

2. Cấu hình

Bật các API của Google Cloud

Để tạo và sử dụng các API tài nguyên của Google Cloud, bạn phải bật các API này.

gcloud services enable compute.googleapis.com 

Thiết lập chính sách IAM

Trong HPC, có sự phân biệt rõ ràng giữa quản trị viên hệ thống và người dùng hệ thống. Quản trị viên hệ thống thường có "quyền truy cập gốc", cho phép họ quản lý và vận hành các tài nguyên điện toán. Người dùng hệ thống thường là các nhà nghiên cứu, nhà khoa học và kỹ sư ứng dụng, những người chỉ cần sử dụng các tài nguyên để thực thi các công việc.

Trên Google Cloud, API đăng nhập vào hệ điều hành cung cấp thông tin người dùng POSIX từ các tài khoản Google Workspace, Cloud Identity và Gmail. Ngoài ra, tính năng Đăng nhập bằng hệ điều hành còn tích hợp với hệ thống Quản lý danh tính và quyền truy cập (IAM) của GCP để xác định xem người dùng có được phép tăng đặc quyền trên hệ thống Linux hay không.

Trong hướng dẫn này, chúng tôi giả định rằng bạn đang đảm nhận vai trò quản trị viên hệ thống và quản trị viên Compute Engine. Chúng ta sẽ định cấu hình các chính sách IAM để cấp cho bạn đủ quyền thực hiện các nhiệm vụ sau

• Tạo/Xoá các phiên bản máy ảo Google Compute Engine (GCE)
• Kết nối SSH vào các phiên bản máy ảo GCE

Để cấp cho chính mình các vai trò IAM cần thiết để hoàn tất hướng dẫn này, hãy làm như sau trong Google Cloud Console:

1. Chuyển đến mục IAM & Admin > IAM trong trình đơn Sản phẩm và dịch vụ.
2. Nhấp vào "+Thêm" ở gần đầu trang.
3. Nhập tài khoản Google Workspace, tài khoản Cloud Identity hoặc tài khoản Gmail của bạn trong mục "Thành viên mới"
4. Thêm các vai trò sau : Quản trị viên điện toán, Đăng nhập hệ điều hành điện toán và Người dùng tài khoản dịch vụ
5. Nhấp vào Lưu

Lựa chọn: Nếu giao diện người dùng của Console không khớp với giao diện người dùng được hiển thị ở đây, thì các lệnh gcloud sau đây sẽ cho ra kết quả tương tự, thay thế YOUR_PROJECT và EMAIL_ADDRESS bằng dự án và địa chỉ email của bạn.

• gcloud projects add-iam-policy-binding YOUR_PROJECT –role roles/iam.serviceAccountUser –member="user:EMAIL_ADDRESS"
• gcloud projects add-iam-policy-binding YOUR_PROJECT –role roles/compute.osLogin –member="user:EMAIL_ADDRESS"
• gcloud projects add-iam-policy-binding YOUR_PROJECT –role roles/compute.admin –member="user:EMAIL_ADDRESS"

Giờ đây, thông tin đăng nhập của bạn đã có các quyền cần thiết để bắt đầu tạo cụm HPC.

Để xác minh rằng bạn đã chỉ định đúng vai trò, hãy mở Cloud Shell rồi chạy lệnh sau, thay thế YOUR_PROJECT và EMAIL_ADDRESS bằng dự án và địa chỉ email của bạn.

$ gcloud projects get-iam-policy YOUR_PROJECT --flatten="bindings[].members" --format='table(bindings.role)' --filter="bindings.members=user:EMAIL_ADDRESS"

Lệnh này sẽ cho ra kết quả:

ROLE
roles/compute.osLogin
roles/iam.serviceAccountUser
roles/compute.admin

Thận trọng: Nếu bạn dự định sử dụng SSH của bên thứ ba (ví dụ: OpenSSH) để kết nối với cụm, hãy nhớ đính khoá SSH vào hồ sơ danh tính trên đám mây bằng tính năng Đăng nhập bằng hệ điều hành. Tìm hiểu thêm về cách thêm khoá SSH vào hồ sơ danh tính trên đám mây.

3. Hạn mức thấp: Triển khai một cụm HPC tự động cấp tài nguyên bổ sung bằng Terraform

Trong phần này, bạn sẽ triển khai một cụm HPC tự động cấp tài nguyên bổ sung, bao gồm cả trình lập lịch công việc Slurm. Tuỳ chọn này giống với tuỳ chọn Hạn mức cao, ngoại trừ việc loại máy được dùng có kích thước nhỏ hơn và số lượng vCPU được dùng cũng nhỏ hơn.

Lưu ý quan trọng: Hạn mức mặc định cho CPU C2 đối với một dự án mới thường là 24 vCPU. Nếu có hạn mức lớn hơn và muốn chạy phép đo điểm chuẩn 2,5 km CONUS, bạn có thể bỏ qua phần này và phần tiếp theo.

1. Mở Cloud Shell trên GCP.
2. Sao chép kho lưu trữ FluidNumerics/slurm-gcp

cd ~
git clone https://github.com/FluidNumerics/slurm-gcp.git

3. Thay đổi thành thư mục WRF:

cd  ~/slurm-gcp/tf/examples/wrf

4. Tạo và xem xét kế hoạch terraform. Đặt các biến môi trường WRF_NAME, WRF_PROJECT và WRF_ZONE để chỉ định tên của cụm, dự án GCP và vùng mà bạn muốn triển khai.

export WRF_PROJECT=<PROJECT ID>
export WRF_ZONE=<ZONE>
export WRF_NAME="wrf-small"

5. Trong lần đầu tiên chạy Terraform, bạn phải chạy lệnh init:

terraform init

6. Tạo kế hoạch bằng lệnh make, lệnh này sẽ chạy terraform

make plan

Lưu ý: Để có hiệu suất IO tệp tốt hơn trên NFS, hãy tăng kích thước ổ đĩa của bộ điều khiển lên 2,5 TB và thay đổi controller_disk_type thành pd-ssd. Bạn có thể thay đổi kích thước ổ đĩa bằng cách chỉnh sửa basic.tfvars.tmpl và thêm controller_disk_size_gb = 2500. Ngoài ra, bạn nên dùng hệ thống tệp Lustre.

Thận trọng: Khi chọn một vùng, hãy đảm bảo rằng bạn chọn một vùng có các phiên bản C2. Tìm hiểu thêm về các khu vực và vùng được hỗ trợ.

Để biết thêm thông tin về các hạn chế về hạn mức đối với dự án của bạn, trang Hạn mức trong Google Cloud Console liệt kê tất cả hạn mức. Tìm "Tên giới hạn: CPU C2". Thao tác này sẽ hiển thị các CPU C2 hiện có trong vùng bạn đã chọn.

7. Triển khai cụm. Quá trình cài đặt và thiết lập có thể mất đến 2 giờ. Trong quá trình triển khai, WRF và tất cả các phần phụ thuộc của nó sẽ được cài đặt.

make apply

8. SSH đến nút login được tạo ở bước trước. Bạn có thể thấy nút này ở bước trước (có thể có tên là wrf-small-login0). Bạn có thể thực hiện việc này bằng cách nhấp vào nút SSH bên cạnh danh sách các thực thể máy ảo trong mục trong trình đơn Compute Engine -> Phiên bản máy ảo của bảng điều khiển.

Lựa chọn: Cặp lệnh gcloud này sẽ xác định tên nút đăng nhập và truy cập vào nút đó qua SSH:

export CLUSTER_LOGIN_NODE=$(gcloud compute instances list --zones ${WRF_ZONE} --filter="name ~ .*login" --format="value(name)" | head -n1)

gcloud compute ssh ${CLUSTER_LOGIN_NODE} --zone ${WRF_ZONE}

9. Sau khi kết nối với nút đăng nhập, để xác minh chế độ thiết lập cụm, hãy kiểm tra để đảm bảo rằng mô-đun wrf có sẵn.

$ module load gcc && module load openmpi && module avail
-------------------------------------- /apps/spack/share/spack/lmod/linux-centos7-x86_64/openmpi/4.0.5-eagetxh/gcc/9.2.0 --------------------------------------
   hdf5/1.10.7    netcdf-c/4.7.4    netcdf-fortran/4.5.3    parallel-netcdf/1.12.1    wrf/4.2

------------------------------------------------- /apps/spack/share/spack/lmod/linux-centos7-x86_64/gcc/9.2.0 -------------------------------------------------
   hwloc/2.2.0      libiconv/1.16          libpng/1.6.37     nasm/2.15.05            openmpi/4.0.5 (L,D)    time/1.9              zlib/1.2.11
   jasper/2.0.16    libjpeg-turbo/2.0.4    libtirpc/1.2.6    ncurses/5.9.20130511    perl/5.16.3            util-macros/1.19.1
   krb5/1.15.1      libpciaccess/0.16      libxml2/2.9.10    numactl/2.0.14          tcsh/6.22.02           xz/5.2.2

--------------------------------------------------- /apps/spack/share/spack/lmod/linux-centos7-x86_64/Core ----------------------------------------------------
   gcc/9.2.0 (L)

---------------------------------------------------------------------- /apps/modulefiles ----------------------------------------------------------------------
   openmpi/v4.1.x

10. Xác minh rằng /apps/share/conus-12km có nội dung được liệt kê bên dưới.

$  ls -1 /apps/share/conus-12km/
FILE:2018-06-17_00
FILE:2018-06-17_03
FILE:2018-06-17_06
FILE:2018-06-17_09
FILE:2018-06-17_12
geo_em.d01.nc
geogrid.log
met_em.d01.2018-06-17_00:00:00.nc
met_em.d01.2018-06-17_03:00:00.nc
met_em.d01.2018-06-17_06:00:00.nc
met_em.d01.2018-06-17_09:00:00.nc
met_em.d01.2018-06-17_12:00:00.nc
metgrid.log
namelist.input
namelist.wps
ungrib.log
wrfbdy_d01
wrfinput_d01

Lưu ý: Quy trình triển khai này sử dụng một hình ảnh tuỳ chỉnh được tạo bằng hình ảnh máy ảo schedmd-slurm-public/schedmd-slurm-20-11-4-centos-7. Bạn có thể tạo WRF cho các hệ điều hành khác bằng cách sử dụng kho lưu trữ fluidnumerics/hpc-apps-gcp trên Github.

4. Chạy phép đo điểm chuẩn 12 km ở lục địa Hoa Kỳ

Để chạy phép đo điểm chuẩn CONUS 12km, bạn sẽ gửi một tác vụ hàng loạt Slurm. Các bộ dữ liệu đầu vào cho phép đo điểm chuẩn này có trong hình ảnh máy ảo wrf-gcp trong /apps/share/benchmarks/conus-12km.

Đối với phần này, bạn phải kết nối SSH với nút login của cụm

1. Sao chép tệp hàng loạt wrf-conus.sh mẫu từ /apps/share

cp /apps/share/wrf-conus12.sh ~/

2. Mở wrf-conus.sh trong trình chỉnh sửa văn bản để xác minh rằng --partition và --ntasks được đặt đúng cách. Số lượng tác vụ phải được đặt thành số lượng cấp MPI mà bạn muốn dùng để chạy công việc. Trong bản minh hoạ này, số lượng tác vụ tương đương với số lượng vCPU được dùng cho công việc và không được vượt quá hạn mức hiện có của bạn.

Lưu ý: Bạn có thể liệt kê các phân vùng có sẵn trên cụm của mình bằng sinfo. Số lượng tác vụ trong bản minh hoạ này tương đương với số lượng hạng MPI.

#!/bin/bash
#SBATCH --partition=wrf
#SBATCH --ntasks=24
#SBATCH --ntasks-per-node=8
#SBATCH --mem-per-cpu=2g
#SBATCH --cpus-per-task=1
#SBATCH --account=default
#
# /////////////////////////////////////////////// #

WORK_PATH=${HOME}/wrf-benchmark/
SRUN_FLAGS="-n $SLURM_NTASKS --cpu-bind=threads"

. /apps/share/spack.sh
module load gcc/9.2.0
module load openmpi
module load hdf5 netcdf-c netcdf-fortran wrf

mkdir -p ${WORK_PATH}
cd ${WORK_PATH}
ln -s ${INSTALL_ROOT}/share/conus-12km/* .
ln -s $(spack location -i wrf)/run/* .

srun $MPI_FLAGS ./wrf.exe

3. Gửi lệnh hàng loạt bằng sbatch.

sbatch wrf-conus12.sh

Lưu ý: Các nút tính toán được tạo khi cần thiết khi bạn gửi các công việc. Đối với lần gửi công việc đầu tiên này, có thể mất đến 3 phút để công việc bắt đầu.

4. Chờ cho đến khi công việc hoàn tất. Điểm chuẩn này được định cấu hình để chạy dự báo trong 6 giờ, mất khoảng 3 giờ để hoàn tất với 24 thứ hạng. Bạn có thể theo dõi trạng thái của lệnh này bằng squeue.
5. Khi công việc hoàn tất, hãy kiểm tra nội dung của rsl.out.0000 để xác minh rằng bạn thấy câu lệnh "wrf: SUCCESS COMPLETE WRF". Hậu tố bằng số sẽ khác nếu bạn đã chạy tác vụ nhiều lần, ví dụ: bạn đã thiết lập sai cấu hình và phải chạy lại.

$ tail -n1 ${HOME}/wrf-benchmark/rsl.out.0000
d01 2018-06-17_06:00:00 wrf: SUCCESS COMPLETE WRF

5. Hạn mức cao: Triển khai một cụm HPC tự động cấp tài nguyên bổ sung bằng Terraform

Trong phần này, bạn sẽ triển khai một cụm HPC tự động cấp tài nguyên bổ sung, bao gồm cả trình lập lịch công việc Slurm trong GCP.

Lưu ý quan trọng: Hạn mức mặc định cho CPU C2 đối với một dự án mới thường là 24 vCPU. Điều này là không đủ để chạy điểm chuẩn 2,5 km lớn hơn của CONUS. Nếu có hạn mức lớn (tối đa 480 vCPU), bạn có thể chạy phần này của lớp học lập trình.

1. Mở Cloud Shell trên GCP.
2. Sao chép kho lưu trữ FluidNumerics/slurm-gcp

cd ~
git clone https://github.com/FluidNumerics/slurm-gcp.git

3. Thay đổi thành thư mục WRF:

cd  ~/slurm-gcp/tf/examples/wrf

4. Tạo và xem xét kế hoạch terraform. Đặt các biến môi trường WRF_NAME, WRF_PROJECT, WRF_ZONE, WRF_MAX_NODE và WRF_MACHINE_TYPE để chỉ định tên của cụm, dự án GCP, vùng mà bạn muốn triển khai, số lượng nút tối đa và loại máy. Đối với điểm chuẩn 2,5 km CONUS, bạn nên sử dụng các phiên bản c2-standard-60 có ít nhất 8 nút để chạy các công việc với 480 cấp MPI.

export WRF_PROJECT=<PROJECT ID>
export WRF_ZONE=<ZONE>
export WRF_NAME=wrf-large
export WRF_MAX_NODE=5
export WRF_MACHINE_TYPE="c2-standard-60"

5. Nếu chưa thực hiện bước này, bạn phải chạy terraform init để khởi động terraform:

terraform init

6. Tạo kế hoạch bằng lệnh make.

make plan

Lưu ý: Để có hiệu suất IO tệp tốt hơn trên NFS, hãy tăng kích thước ổ đĩa của bộ điều khiển lên 2,5 TB và thay đổi controller_disk_type thành pd-ssd. Bạn có thể thay đổi kích thước ổ đĩa bằng cách chỉnh sửa basic.tfvars.tmpl và thêm controller_disk_size_gb = 2500. Ngoài ra, bạn nên dùng hệ thống tệp Lustre.

Thận trọng: Khi chọn một vùng, hãy đảm bảo rằng bạn chọn một vùng có các phiên bản C2. Tìm hiểu thêm về các khu vực và vùng được hỗ trợ.

Để biết thêm thông tin về các hạn chế về hạn mức đối với dự án của bạn, trang Hạn mức trong Google Cloud Console liệt kê tất cả hạn mức. Tìm "Tên giới hạn: CPU C2". Thao tác này sẽ hiển thị các CPU C2 hiện có trong vùng bạn đã chọn.

7. Triển khai cụm. Quá trình cài đặt và thiết lập có thể mất đến 2 giờ. Trong quá trình triển khai, WRF và tất cả các phần phụ thuộc của nó sẽ được cài đặt.

make apply

8. SSH đến nút login được tạo ở bước trước. Bạn có thể thấy nút này ở bước trước (có thể có tên là wrf-large-login0). Bạn có thể thực hiện việc này bằng cách nhấp vào nút SSH bên cạnh danh sách các thực thể máy ảo trong mục trong trình đơn Compute Engine -> Phiên bản máy ảo của bảng điều khiển.

Lựa chọn: Cặp lệnh gcloud này sẽ xác định tên nút đăng nhập và truy cập vào nút đó qua SSH:

export CLUSTER_LOGIN_NODE=$(gcloud compute instances list --zones ${WRF_ZONE} --filter="name ~ .*login" --format="value(name)" | head -n1)

gcloud compute ssh ${CLUSTER_LOGIN_NODE} --zone ${WRF_ZONE}

Lệnh thứ hai sẽ giúp bạn kết nối với nút Đăng nhập Slurm.

9. Sau khi kết nối với nút đăng nhập, để xác minh chế độ thiết lập cụm, hãy kiểm tra để đảm bảo rằng mô-đun wrf có sẵn.

$ module load gcc && module load openmpi && module avail
-------------------------------------- /apps/spack/share/spack/lmod/linux-centos7-x86_64/openmpi/4.0.5-eagetxh/gcc/9.2.0 --------------------------------------
   hdf5/1.10.7    netcdf-c/4.7.4    netcdf-fortran/4.5.3    parallel-netcdf/1.12.1    wrf/4.2

------------------------------------------------- /apps/spack/share/spack/lmod/linux-centos7-x86_64/gcc/9.2.0 -------------------------------------------------
   hwloc/2.2.0      libiconv/1.16          libpng/1.6.37     nasm/2.15.05            openmpi/4.0.5 (L,D)    time/1.9              zlib/1.2.11
   jasper/2.0.16    libjpeg-turbo/2.0.4    libtirpc/1.2.6    ncurses/5.9.20130511    perl/5.16.3            util-macros/1.19.1
   krb5/1.15.1      libpciaccess/0.16      libxml2/2.9.10    numactl/2.0.14          tcsh/6.22.02           xz/5.2.2

--------------------------------------------------- /apps/spack/share/spack/lmod/linux-centos7-x86_64/Core ----------------------------------------------------
   gcc/9.2.0 (L)

---------------------------------------------------------------------- /apps/modulefiles ----------------------------------------------------------------------
   openmpi/v4.1.x

10. Xác minh rằng /apps/share/conus-2.5km có nội dung được liệt kê bên dưới.

$ ls -1 /apps/share/conus-2.5km
FILE:2018-06-17_00
FILE:2018-06-17_03
FILE:2018-06-17_06
FILE:2018-06-17_09
FILE:2018-06-17_12
geo_em.d01.nc
geogrid.log
gfs.0p25.2018061700.f000.grib2
gfs.0p25.2018061700.f003.grib2
gfs.0p25.2018061700.f006.grib2
gfs.0p25.2018061700.f009.grib2
gfs.0p25.2018061700.f012.grib2
met_em.d01.2018-06-17_00:00:00.nc
met_em.d01.2018-06-17_03:00:00.nc
met_em.d01.2018-06-17_06:00:00.nc
met_em.d01.2018-06-17_09:00:00.nc
met_em.d01.2018-06-17_12:00:00.nc
metgrid.log
namelist.input
namelist.wps
ungrib.log
wrfbdy_d01
wrfinput_d01

Lưu ý: Quy trình triển khai này sử dụng một hình ảnh tuỳ chỉnh được tạo bằng hình ảnh máy ảo schedmd-slurm-public/schedmd-slurm-20-11-4-centos-7. Bạn có thể tạo WRF cho các hệ điều hành khác bằng cách sử dụng kho lưu trữ fluidnumerics/hpc-apps-gcp trên Github.

6. Chạy phép đo điểm chuẩn 2,5 km CONUS

Để chạy phép đo điểm chuẩn 2,5 km CONUS, bạn sẽ gửi một batch job Slurm. Các bộ bài đầu vào cho điểm chuẩn này có trong hình ảnh VM wrf-gcp trong /apps/share/benchmarks/conus-2.5km.

Đối với phần này, bạn phải kết nối SSH với nút login của cụm

6. Sao chép tệp hàng loạt wrf-conus.sh mẫu từ /apps/share

cp /apps/share/wrf-conus2p5.sh ~/

7. Mở wrf-conus.sh trong trình chỉnh sửa văn bản để xác minh rằng --partition và --ntasks được đặt đúng cách. Bạn phải đặt phân vùng thành c2-60. Số lượng tác vụ phải được đặt thành số lượng cấp MPI mà bạn muốn dùng để chạy công việc. Trong bản minh hoạ này, số lượng tác vụ tương đương với số lượng vCPU được dùng cho công việc và không được vượt quá hạn mức hiện có của bạn.

Lưu ý: Bạn có thể liệt kê các phân vùng có sẵn trên cụm của mình bằng sinfo. Số lượng tác vụ trong bản minh hoạ này tương đương với số lượng hạng MPI.

#!/bin/bash
#SBATCH --partition=c2-60
#SBATCH --ntasks=480
#SBATCH --ntasks-per-node=60
#SBATCH --mem-per-cpu=2g
#SBATCH --cpus-per-task=1
#SBATCH --account=default
#
# /////////////////////////////////////////////// #

WORK_PATH=${HOME}/wrf-benchmark/
SRUN_FLAGS="-n $SLURM_NTASKS --cpu-bind=threads"

. /apps/share/spack.sh
module load gcc/9.2.0
module load openmpi
module load hdf5 netcdf-c netcdf-fortran wrf

mkdir -p ${WORK_PATH}
cd ${WORK_PATH}
ln -s ${INSTALL_ROOT}/share/conus-2.5km/* .
ln -s $(spack location -i wrf)/run/* .

srun $MPI_FLAGS ./wrf.exe

8. Gửi lệnh hàng loạt bằng sbatch.

sbatch wrf-conus2p5.sh

Lưu ý: Các nút tính toán được tạo khi cần thiết khi bạn gửi các công việc. Đối với lần gửi công việc đầu tiên này, có thể mất đến 3 phút để công việc bắt đầu.

9. Chờ cho đến khi công việc hoàn tất. Điểm chuẩn này được định cấu hình để chạy dự báo 6 giờ, mất khoảng 1 giờ để hoàn thành với 480 thứ hạng. Bạn có thể theo dõi trạng thái của lệnh này bằng squeue.
10. Khi công việc hoàn tất, hãy kiểm tra nội dung của rsl.out.0000 để xác minh rằng bạn thấy câu lệnh "wrf: SUCCESS COMPLETE WRF". Hậu tố bằng số sẽ khác nếu bạn đã chạy tác vụ nhiều lần, ví dụ: bạn đã thiết lập sai cấu hình và phải chạy lại.

$ tail -n1 ${HOME}/wrf-benchmark/rsl.out.0000
d01 2018-06-17_06:00:00 wrf: SUCCESS COMPLETE WRF

7. Xin chúc mừng

Trong lớp học lập trình này, bạn đã tạo một cụm HPC tự động cấp tài nguyên bổ sung, dựa trên đám mây và chạy một mô phỏng WRF® song song trên Google Cloud Platform!

Dọn dẹp

Để tránh bị tính phí vào tài khoản Google Cloud Platform cho các tài nguyên được dùng trong lớp học lập trình này, hãy làm như sau:

Xoá dự án

Cách dễ nhất để không bị tính phí là xoá dự án mà bạn đã tạo cho lớp học lập trình này.

Thận trọng: Việc xoá một dự án sẽ gây ra những tác động sau:

• Mọi nội dung trong dự án sẽ bị xoá. Nếu đã dùng một dự án hiện có cho lớp học lập trình này, thì khi xoá dự án đó, bạn cũng sẽ xoá mọi công việc khác mà bạn đã thực hiện trong dự án.
• Mã dự án tuỳ chỉnh sẽ bị mất. Khi tạo dự án này, có thể bạn đã tạo một mã dự án tuỳ chỉnh mà bạn muốn sử dụng trong tương lai. Để giữ lại những URL sử dụng mã dự án, chẳng hạn như URL appspot.com, hãy xoá các tài nguyên đã chọn trong dự án thay vì xoá toàn bộ dự án.

Nếu bạn dự định khám phá nhiều lớp học lập trình và hướng dẫn bắt đầu nhanh, thì việc sử dụng lại các dự án có thể giúp bạn tránh vượt quá hạn mức dự án.

1. Trong Cloud Console, hãy chuyển đến trang Quản lý tài nguyên. Chuyển đến trang Quản lý tài nguyên
2. Trong danh sách dự án, hãy chọn dự án mà bạn muốn xoá rồi nhấp vào biểu tượng Xoá .
3. Trong hộp thoại, hãy nhập mã dự án rồi nhấp vào Tắt để xoá dự án.

Xoá từng tài nguyên

1. Mở Cloud Shell rồi chuyển đến thư mục ví dụ wrf

cd  ~/slurm-gcp/tf/examples/wrf

2. Chạy lệnh make destroy để xoá tất cả tài nguyên.

make destroy