Slurm

出自 ArchWiki

相关条目

Slurm（也称为 Slurm Workload Manager 或 slurm-llnl）是一个开源工作负载管理器，专为各种规模的 Linux 集群而设计，被世界上许多超级计算机和计算机集群使用。 它提供三个主要功能。 首先，它为用户分配对资源（计算机节点）的独占和/或非独占访问权限，以便他们可以在一段时间内执行工作。 其次，它提供了一个框架，用于在一组分配的节点上启动、执行和监视工作（通常是并行作业）。 最后，它通过管理待处理工作的队列来仲裁资源争用。

安装

安装 slurm-llnl 软件包（或 slurm-llnl-gitAUR）。 它会拉取 munge ([1]），一种身份验证服务，作为依赖项。 它通过 slurmd 的 systemd 服务作为要求启动，并加密各个主机之间的连接。 因此，请确保集群中的所有节点在 /etc/munge/munge.key 中具有相同的密钥。 然后启动并启用 munge.service。

软件包本身还有许多可选依赖项，但 Slurm 必须重新编译才能使用它们，在安装它们之后。

配置

slurm-llnl 的配置文件位于 /etc/slurm-llnl 下。 在启动任何 slurm 服务之前，必须通过在 /etc/slurm-llnl/slurm.conf 创建配置文件来正确配置它。 客户端和服务器可以使用相同的配置文件，该文件可以在官方网站生成，也可以通过复制 /etc/slurm-llnl/slurm.conf.example 到 /etc/slurm-llnl/slurm.conf 并根据自己的喜好进行调整。

默认情况下，在安装过程中引入到系统中的 Slurm 用户，其 UID 和 GID 为 64030，这简化了在多个系统上的设置。 UID 和 GID 与 Debian 中使用的相匹配，因此它们可以并行使用，但请记住，在每个发行版上，二进制文件不在相同的目录中。

客户端（计算节点）配置

在客户端，现在可以安全地启动/启用 slurmd.service。

注意： 如果您选择使用 Linux cgroups 进行进程跟踪，则必须在每个客户端上创建 cgroup.conf 配置文件。 有关配置详细信息，请参阅 cgroup.conf 手册页。

服务器（头节点）配置

启动/启用 slurmctld.service。

此外，您可能想要启动/启用 slurmdbd.service，它处理 SQL 数据库以简化管理，从而记录一些重要的进程信息。

注意： 可以通过调整 /etc/default/slurm-llnl 将其他参数传递给程序，同时仍然利用 systemd 的强大功能。 此文件被视为各种服务的环境文件，并将任何参数简单地传递给程序。

故障排除

服务启动时启动失败

如果 slurmd.service 或 slurmctld.service 在启动时启动失败，但在手动启动时工作正常，则可能是服务尝试在建立网络连接之前启动。 要验证这一点，请将下面与失败的服务关联的行添加到 slurm.conf 文件中

slurm.conf
SlurmctldDebug=info
SlurmctldLogFile=/var/log/slurm-llnl/slurmctld.log
SlurmdDebug=info
SlurmdLogFile=/var/log/slurm-llnl/slurmd.log

然后，检查相关的日志文件。 如果您注意到致命异常提到 Address family not supported by protocol，那么您可能想要扩展单元，以便它通过 network-online.target 等待有效的网络连接。

技巧与提示

并行运行基于 RHEL 的节点

在基于 RedHat 的发行版上，默认情况下 slurm 以 root 身份运行。 [2] 要将这些节点添加到集群，首先创建 slurm 用户，其 UID 和 GID 等于 64030，以匹配 Arch Linux 中使用的用户，然后使用命令 slurm-setuser -u slurm -g slurm 更改 slurm 用户。

参见

检索自“https://wiki.archlinux.org.cn/index.php?title=Slurm&oldid=768022”