文章目录
前言
作业调度开源软件Slurm的安装与使用。
一、Slurm是什么？
Slurm，Simple Linux Utility for Resource Management。可以用于集群或者单机上，作为任务管理程序。
Slurm安装简单，使用便捷，以下介绍在Ubuntu 22.04上安装slurm，并进行配置。
二、安装步骤
Step 1. 安装依赖的软件包
sudo apt update
sudo apt install slurm-wlm
sudo apt install slurmd #启动、监控任务、分层通信
sudo apt install slurmctld #管理任务、故障切换、资源监控、队列管理、作业调度
Step 2. 找到slurm-wlm-configurator.html文件，进入该目录下
代码如下（示例）：
dpkg -L slurmctld | grep slurm-wlm-configurator.html
#/usr/share/doc/slurmctld/slurm-wlm-configurator.html
sudo chmod +r /usr/share/doc/slurmctld/slurm-wlm-configurator.html
Step 3. 生成配置文件
cd /usr/share/doc/slurmctld
python3 -m http.server
#Serving HTTP on 0.0.0.0 port 8000 (http://0.0.0.0:8000/) ...
浏览器打开，点击进入 slurm-wlm-configurator.html 按照配置需求填写以下必要设置。
SlurmctldHost: 计算机名（用hostname命令查看）
PartitionName: 分区名，比如设置为computing
cpus：cpu数量，线程数
Sockets: 指定cpu插槽数
CoresPerSocket: 每个插槽有多少core
ThreadsPerCore: 2
slurmuser：root
Process Tracking：选择 LinuxProc或者pgid
点击submit，生成slurm.conf网页。将内容保存到 /etc/slurm/slurm.conf
修改 sudo vim /etc/slurm/slurm.conf
修改 GresTypes：gpu
加入以下内容，保存
NodeName=XXX Gres=gpu:1 RealMemory=32000 Sockets=1 CoresPerSocket=8 ThreadsPerCore=2 State=UNKNOWN
PartitionName=computing Nodes=ALL Default=YES MaxTime=INFINITE State=UP
XXX：为hostname输出本机名称
Gres=gpu:1 ##GPU数量
RealMemory=32000 Sockets=1 CoresPerSocket=8 ThreadsPerCore=2 #表示32G内存，单颗CPU8核16线程
修改sudo vim /etc/slurm/gres.conf
##################################################################
# Slurm's Generic Resource (GRES) configuration file
# Define GPU device, with AutoDetect sanity checking
##################################################################
#AutoDetect=nvml
NodeName=XXX Name=gpu Type=K40 File=/dev/nvidia0
Type=K40 ## GPU型号
Step 4. 手动创建slurm的输出文件目录
sudo mkdir /var/spool/slurmd
sudo mkdir /var/spool/slurmctld
Step 5. 启动 slurm 服务
依次启动程序：
sudo systemctl start slurmd
sudo systemctl enable slurmd
sudo systemctl status slurmd
sudo systemctl start slurmctld
sudo systemctl enable slurmctld
sudo systemctl status slurmctld
#赋予可读取写入权限：
sudo chmod -R 755 /var/lib/slurm/slurmd
sudo chmod -R 755 /var/lib/slurm/slurmctld
sudo chmod 755 /var/log/slurm/slurmd.log
sudo chmod 755 /var/log/slurm/slurmctld.log
#如果需要修改/etc/slurm/slurm.conf配置，需要依次重新启动：
sudo scontrol reconfig
sudo systemctl restart slurmd
sudo systemctl restart slurmctld
#如果启动失败，如下查看问题
sudo slurmd -Dvvv
三、Slurm作业调度
Slurm 3种作业提交模式
分别为交互（srun），批处理（sbatch），分配（salloc），可使用的主要参数：
-c, --cpu-per-task=NCPUs #指定每个进程使用核数，不指定默认为1
-J, --job-name=JOBNAME #指定作业名称
-n, --ntask=NTASKs #指定总进程数；不使用cpus-per-task，可理解为进程数即为核数
--ntask-per-node=N #指定每个节点进程数/核数，使用-n参数后变为每个节点最多运行的进程数
-N, --nodes=N #指定节点数量
-o, --output=out_filename #指定输出文件输出
-p, --partion=computing #指定分区
-t, --time=dd-hh:mm:ss #作业最大运行时间
--mem-per-cpu=MB #指定计算cpu最大占用内存大小
--mail-type=END/FAIL/ALL #邮件提醒，可选:END,FAIL,ALL
--mail-user=mail_address #通知邮箱地址
sbatch模式
批处理模式是指用户编写作业脚本，指定资源需求约束，提交后台执行作业。
运行提交任务后，工作目录中会生成以 slurm 开头的.out 文件为输出文件。
作业提交命令：sbatch filename
#!/bin/bash
#批处理脚本
#SBATCH --job-name=JOBNAME %指定作业名称
#SBATCH --partition=computing %指定分区
#SBATCH --nodes=2 %指定节点数量
#SBATCH --cpus-per-task=1 %指定每个进程使用核数，不指定默认为1
#SBATCH -n 32 %指定总进程数；不使用cpus-per-task，可理解为进程数即为核数
#SBATCH --ntasks-per-node=16 %指定每个节点进程数/核数,使用-n参数（优先级更高），变为每个节点最多运行的任务数
#SBATCH --time=dd-hh:mm:ss %作业最大运行时长，参考格式填写
#SBATCH --mail-type=ALL %邮件提醒,可选:END,FAIL,ALL
#SBATCH --mail-user=address %通知邮箱地址
###task###
Slurm 命令
Sinfo命令:
sinfo #查看所有分区状态
sinfo -a #查看所有分区状态
sinfo -N #查看节点状态
sinfo -n node-name #查看指定节点状态
sinfo --help #查看sinfo的说明
节点状态 STATE：
恢复和设置节点状态：
sudo scontrol update NodeName=XXX State=RESUME
查看运行信息：
scontrol show job JOBID #查看作业的详细信息
scontrol show node #查看所有节点详细信息
scontrol show node node-name #查看指定节点详细信息
scontrol show node | grep CPU #查看各节点cpu状态
scontrol show node node-name | grep CPU #查看指定节点cpu状态
作业提交后，可使用slurm命令，查看，取消，修改作业。
总结
作业调度开源软件Slurm的安装与使用。
参考资料
- https://blog.csdn.net/r1141207831/article/details/125272108
- https://blog.csdn.net/weixin_45277161/article/details/129908143
- https://zhuanlan.zhihu.com/p/571973164