Komputasi dengan Container Apptainer: Perbedaan antara revisi

Revisi terkini sejak 20 Maret 2025 09.08

Halaman ini menjelaskan langkah menjalankan komputasi di ALELEON Supercomputer dengan image container melalui platform [Apptainer]. ALELEON Supercomputer dapat menyediakan dan menjalankan image container untuk komputasi berbagai bidang.

Langkah Menjalankan Komputasi

Terdapat 2 langkah utama:

Memilih image container yang digunakan.
Melengkapi (apabila dibutuhkan) dan menjalankan image container sesuai ketentuannya.

Pilihan Image Container

Tersedia pilihan image berikut yang dapat dipilih sesuai preferensi user:

Image Siap Pakai

Image siap pakai yang dapat diakses global oleh semua user. Permohonan menyediakan image hubungi support@efisonlt.com.

Daftar Image Siap Pakai ALELEON Supercomputer -

Gunakan info ini untuk menjalankan image container.

Nama Image Support Hardware & Platform

CPU GPU OMP MPI Python Jupyter

PyTorch - NVIDIA NGC release 23.08

direktori dan nama	`$NVCONT/NGC_PyTorch_r23.08.sif`
Info detail	[PyTorch r23.08 docs]

V

PyTorch - NVIDIA NGC release 24.04

direktori dan nama	`$NVCONT/NGC_PyTorch_r24.04.sif`
Info detail	[PyTorch r24.04 docs]

V

TensorFlow - NVIDIA NGC release 24.04

direktori dan nama	`$NVCONT/NGC_TensorFlow_r24.04.sif`
Info detail	[TensorFlow r24.04 docs]

V

AnteChamber PYthon Parser interfacE (ACPYPE) 2023.10.27

direktori dan nama	`$SCONT/acpype-2023.10.27.sif`
Info detail	[Official ACYPE doc]

V

X

---

User Melakukan Pull Image

User dapat melakukan pull image dari container registry dengan langkah:

Langkah Pull Image Container dengan Apptainer -

Menggunakan terminal! User web EFIRO buka app `Aleleon Shell Access`.
1
Aktifkan modul Apptainer: `$ ml apptainer`
2
Lakukan pull dengan format: - Platform docker $ apptainer pull docker://[image-pull-tag] - Platform shub $ apptainer pull shub://[image-pull-tag] - Platform OCI compatible $ apptainer pull oras://[image-pull-tag] Contoh pull image [PyTorch 25.01 dari NVIDIA NGC]: `$ apptainer pull docker://nvcr.io/nvidia/pytorch:25.01-py3`
3
ALELEON membutuhkan nama dan direktori file image untuk menjalankan image. Mohon user memperhatikan hal tersebut.
---

Note:

User menaruh image di HOME dimana mengkonsumsi storage.
User dapat berdiskusi dengan tim admin terkait langkah menjalankan container menyesuaikan sistem ALELEON Supercomputer.

Melengkapi Image

Dalam teknis tertentu dan apabila dibutuhkan, user dapat menambah instalasi package pada image dengan jenis:

Menambah Package di Image Berbasis Python -
Ketentuan: Image mendukung operasional package Python (conda / pip). User tidak dapat instal / hapus package di tingkatan root image. Package terisolasi di direktori `$HOME/.local` dan level versi Python. Contoh user menambah package di image dengan Python 3.10. Maka package ini akan aktif di image lain dengan versi Python serupa. Akan tetapi tidak aktif di image lain dengan versi Python berbeda.

Menggunakan terminal! User web EFIRO buka app `Aleleon Shell Access`.
1
Aktifkan modul Apptainer: `$ ml apptainer`
2
Jalankan image container dengan perintah: `$ apptainer run [direktori-dan-nama-image].sif` Untuk image dengan isi library NVIDIA CUDA, jalankan: `$ apptainer run --nv [direktori-dan-nama-image].sif`
3
Instal package dengan pip atau conda sesuai ketersediaan. Contoh umum instalasi pip > pip install [nama-package] Contoh umum instalasi conda > conda install conda-forge::[nama-package] Daftar package dan tutorial instal lihat: [PyPI The Python Package Index] [Packages in Conda Forge]
4
Untuk keluar dari container, jalankan: `> exit`
---

Sebelum Menjalankan Container ...

Terdapat beberapa hal yang perlu menjadi pertimbangan user:

Image container tidak dapat mengakses modul software ALELEON Supercomputer karena berada di "ruang kerja" berbeda.
User yang hendak menjalankan container di GPU harap memastikan image dilengkapi dengan library NVIDIA yang sesuai.
Harap memastikan image telah mempunyai semua kebutuhan package untuk komputasi user.

Pilihan Menjalankan Komputasi

User dapat menjalankan Apptainer dengan pilihan berikut. Sesuaikan dengan peruntukan image.

Berjalan di Login Node

Opsi ini hanya untuk container dengan tujuan pre-processing ringan karena login node mempunyai spesifikasi terbatas dan tidak ditujukan untuk menjalankan komputasi.

Opsi ini tidak menggunakan kredit Core Hour.

Menjalankan Apptainer di Login Node

Menggunakan terminal! User web EFIRO buka app `Aleleon Shell Access`.
1
Aktifkan modul Apptainer: `$ ml apptainer`
2
Jalankan image container dengan perintah: `$ apptainer run [direktori-dan-nama-image].sif`
3
Untuk keluar dari container, jalankan: `> exit`
---

Sesi Jupyter

Menjalankan sesi interaktif Jupyter Lab atau Notebook di [interactive node].

Perhatikan image container harus mempunyai package Jupyter di dalamnya.

Langkah Sesi Jupyter dengan Apptainer

1

Login ke web EFIRO ALELEON Supercomputer.

2

	Buka pinned apps Jupyter di homepage EFIRO.

3

Isi formulir untuk memulai sesi Jupyter dengan panduan berikut:

`Choose Jupyter version`
Pilih sesuai preferensi user, `Jupyter Lab` atau `Notebook`

`Partition`
Pilih sesuai kebutuhan: `torti` -> interactive node CPU `tilla` -> interactive node GPU

`Number of CPU thread(s)`
Alokasi core CPU, range `2 - 32` untuk torti dan tilla.

`Amount of memory/RAM (GB)`
Alokasi RAM dalam satuan GB, range `1 - 64` untuk torti dan tilla.

`Number of GPUs`
Jumlah GPU, isi angka `1` apabila pakai tilla

`Number of hours`
Waktu maksimal sesi Jupyter, range `1 - 72` untuk torti dan tilla.

Form CPU, RAM, GPU, dan hours mempunyai limit berdasarkan: Sisa Core Hour user dan Fair Usage Limit. Spesifikasi sistem dan software komputasi. Langkah melihat limit: Buka menu Clusters > Aleleon Shell Access Jalankan perintah (sementara gunakan): $ slimit-python

`Choose how to launch Jupyter`
Pilih sesuai keinginan: `Container` -> menggunakan image siap pakai dari ALELEON. `Custom container` -> menggunakan image yang dipull / buat user. Diikuti dengan pilih image atau menyediakan direktori & nama image user.

`Software Modules`
Kosongkan karena image container tidak dapat mengakses modul software.

`Environment setup`
Memuat environment variable, isi apabila ada.

`Additional Jupyter arguments`
Memuat argumen tambahan Jupyter, isi apabila ada.

`Email address`
Notifikasi email untuk status mulai dan selesainya Jupyter. Isi apabila berkenan.

5

Klik tombol Launch untuk memulai sesi Jupyter.

User akan diarahkan ke halaman My Interactive Sessions.
Tunggu hingga sesi Jupyter siap diakses.

6

Apabila status Running, klik tombol Connect to Jupyter.

Sistem mulai menghitung Core Hour!
Untuk menghentikan sesi yang sedang running, klik tombol Cancel

7

Pilih Notebook Python 3 untuk memulai sesi notebook Python 3.

Gunakan Notebook Python 3 untuk menjalankan kernel conda env user di Jupyter Notebook

Gunakan Notebook Python 3 untuk menjalankan kernel conda env user di Jupyter Lab

8

User dapat mengunjungi sesi Jupyter yang sedang berjalan pada:

Menu My Interactive Sessions pada homepage EFIRO.
Kolom Active interactive sessions pada homepage EFIRO.

---

Batch Job

Menjalankan container siap jalan melalui manajemen Slurm di [compute node] kemudian user menunggu hingga selesai. Catatan:

Untuk komputasi Python: opsi ini hanya dapat menjalankan file Python (.py) siap jalan tanpa interaksi user.
Perhatikan ada kemungkinan tidak semua image container dapat berjalan dengan opsi ini.

Langkah Batch Job Apptainer di Terminal

Menggunakan terminal!

User web EFIRO buka app Aleleon Shell Access.

1

Siapkan image container dan file komputasi yang dibutuhkan.

User dapat upload / download file dengan software FTP.
User web EFIRO juga dapat gunakan app Home Directory

2A

Buat Submit Script yaitu 'formulir' untuk menjalankan job komputasi.

Nama file bebas dengan format .sh, contoh submit.sh

Contoh template Submit Script

Ikuti petunjuk NOTES dan alur script di dalamnya.

Klik expand / kembangkan

Template submit script Apptainer versi CPU -

#!/bin/bash

# -----------------------------------------------------
# Template SLURM Submit Script
# Container Apptainer (CPU) | rev.010225
#
# NOTES:
# 1. Isi bagian yang ditandai 4 garing (////).
# 2. Template ini bersifat referensi.
#    User dapat mengubah bagian yang perlu diubah.
# -----------------------------------------------------

# -----------------------------------------------------
# Alokasi komputasi SBATCH dan file input
# -----------------------------------------------------

# Alokasi jumlah core thread CPU
#SBATCH --ntasks=////

# Alokasi jumlah memori RAM (satuan GB)
#SBATCH --mem=////GB

# Alokasi limit waktu menjalankan job
# Format HH:MM:SS atau D-HH:MM:SS
#SBATCH --time=////

# Definisi file untuk menampung output terminal program
#SBATCH --output=result-%j.txt

# Definisi file untuk menampung output error log
#SBATCH --error=error-%j.txt

# Input direktori dan nama image container
IMAGE="////.sif"

# ----------------------------------------------------
# Script jalannya program
# ----------------------------------------------------

# Memuat modul Apptainer
module load apptainer

# Menjalankan image container
# Masukkan command untuk menjalankan program komputasi
apptainer exec ${IMAGE} ////

Template submit script Apptainer versi GPU -

#!/bin/bash

# -----------------------------------------------------
# Template SLURM Submit Script
# Container Apptainer (GPU) | rev.010225
#
# NOTES:
# 1. Isi bagian yang ditandai 4 garing (////).
# 2. Template ini bersifat referensi.
#    User dapat mengubah bagian yang perlu diubah.
# -----------------------------------------------------

# -----------------------------------------------------
# Alokasi komputasi SBATCH dan file input
# -----------------------------------------------------

# Partisi compute node GPU
#SBATCH --partition=ampere

# Alokasi jumlah core thread CPU
#SBATCH --ntasks=////

# Alokasi jumlah GPU
#SBATCH --gpus=////

# Alokasi jumlah memori RAM (satuan GB)
#SBATCH --mem=////GB

# Alokasi limit waktu menjalankan job
# Format HH:MM:SS atau D-HH:MM:SS
#SBATCH --time=////

# Definisi file untuk menampung output terminal program
#SBATCH --output=result-%j.txt

# Definisi file untuk menampung output error log
#SBATCH --error=error-%j.txt

# Input direktori dan nama image container
IMAGE="////.sif"

# ----------------------------------------------------
# Script jalannya program
# ----------------------------------------------------

# Memuat modul Apptainer
module load apptainer

# Menjalankan image container
# Masukkan command untuk menjalankan program komputasi
apptainer exec ${IMAGE} ////

Info script lebih detail lihat Submit Script ALELEON Supercomputer.
Untuk SBATCH notifikasi email status jalannya job lihat Slurm Jojo.

2B

SBATCH komputasi (ntasks, mem, time, dll) mempunyai limit berdasarkan:

Sisa Core Hour user dan Fair Usage Limit.
Spesifikasi sistem dan software komputasi.

Untuk melihat limit, jalankan perintah (sementara gunakan):

$ slimit-python

3

Jalankan job komputasi dengan perintah:

$ sbatch [nama-submit-script]

Contoh:
$ sbatch submit.sh

4

User dapat melihat status jalannya job dengan perintah:

$ squeue -ul $USER

Kolom ST atau STATE menunjukkan status jalannya job.
STATE	Penjelasan
R (RUN)	Job berjalan
PD (PENDING)	Job tertahan, lihat NODELIST(REASON)
CG (COMPLETING)	Job selesai dan dalam proses clean-up
CA (CANCELED)	Job dibatalkan user
PR (PREEMPETED)	Job dibatalkan admin, alasan dikabarkan via email
S (SUSPENDED)	Job ditahan admin, alasan dikabarkan via email

Apabila user ingin menghentikan job yang berjalan, jalankan perintah:

$ scancel [job-ID]

Job ID ada pada squeue diatas.
contoh membatalkan job ID 231:
$ scancel 231

---

Pelaporan Kendala dan Support

Apabila menjumpai masalah teknis dalam menjalankan komputasi, silahkan lapor dengan klik gambar berikut ini.

Bila terdapat pertanyaan lainnya, silahkan hubungi admin EFISON melalui email:

support@efisonlt.com

Article tools

Perkakas pribadi

Navigasi

Perkakas