Ubuntu服务器安装配置slurm (Ubuntu 22.04 LTS)
Ubuntu服务器安装配置slurm (Ubuntu 22.04 LTS)
1. slurm简介
Slurm 全称 Simple Linux Utility for Resource Management。通常被用于大型Linux服务器 (超算) 上，作为任务管理系统。本文详细讲述如何在 Ubuntu 22.04 LTS 上安装slurm，并进行简单的配置。
其实网上相关的教程已经非常多，但在旧版本的Ubuntu上安装slurm时，通常需要安装一个名为slurm-llnl的软件包。但Ubuntu 22.04 LTS 的软件源不包含slurm-llnl，强行安装就会报出如下的错误：
$ sudo apt install slurm-llnl Reading package lists... Done Building dependency tree... Done Reading state information... Done E: Unable to locate package slurm-llnl 2. slurm的安装步骤
Step 1. 安装依赖的软件包
- slurmd: 完成计算节点的任务（启动任务、监控任务、分层通信）
- slurmctld: 完成管理节点的任务（故障切换、资源监控、队列管理、作业调度）
$ sudo apt update $ sudo apt install slurm-wlm # `slurmd`: compute node daemon $ sudo apt install slrumd （提示已安装） # `slurmctld`: central management daemon $ sudo apt install slurmctld （提示已安装） Step 2. 找到slurm-wlm-configurator.html文件，进入该目录下
# 输入以下命令，并 $ dpkg -L slurmctld | grep slurm-wlm-configurator.html /usr/share/doc/slurmctld/slurm-wlm-configurator.html $ cd /usr/share/doc/slurmctld $ sudo chmod +r slurm-wlm-configurator.html Step 3. 利用 web 生成配置文件
$ python3 -m http.server Serving HTTP on 0.0.0.0 port 8000 (http://0.0.0.0:8000/) ... 打开浏览器，输入 http://:8000/，进入配置页面，点击进入 slurm-wlm-configurator.html 按照自己的需求填写设置。
Cluster Name：随意起名
Control Machines：控制节点的计算机名
Compute Machines：计算机名、ip地址、分区名和任务时间限制
cpus：虚拟机直接指定虚拟cpu数量
Sockets: 物理机不指定cpus，指定cpu插槽
CoresPerSocket: 物理机每个插槽有多少core
ThreadsPerCore: 物理机每个core有多少个线程，超线程的CPU此数字为2
slurmuser：指定为root用户
Process Tracking：选择 LinuxProc: Use parent process ID records, processes can escape from Slurm control
web 生成slurm.conf
填写完毕后，点击submit，将生成的内容拷贝进 /etc/slurm/slurm.conf （slurm 的配置文件）
# 创建 $ sudo touch /etc/slurm/slurm.conf # 将网页生成的内容 copy 进来 $ sudo vim /etc/slurm/slurm.conf # ctrl + v 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
# 启动 slurmd, 日志文件路径为 `/var/log/slurmd.log` $ sudo systemctl start slurmd # 启动 slurmctld, 日志文件路径为 `/var/log/slurmctld.log` $ sudo systemctl start slurmctld 启动后无法正常使用 slurm 的话，先查看slurmd和slurmctld的状态，打开日志查看报错。
# 查看 slurmd 的状态 $ sudo systemctl status slurmd # 查看 slurmctld 的状态 $ sudo systemctl status slurmctld 3. slurm.conf 中几个关键 column 的填写
C1. ClusterName
集群名，随便取
C2. SlurmctldHost
管理节点的主机名
# 获取主机名 $ hostname -s mu01 C3. SlurmUser
最好 SlurmUser=root，权限最高，填写日志文件不会由于权限问题报错
C4. 管理节点和计算节点的配置（slurm.conf的最后三行）
此处以单节点集群举例（单个节点既作为管理节点，又作为计算节点）
EnforcePartLimits=ALL NodeName=mu01 CPUs=36 State=UNKNOWN # 本行可以通过 `slurmd -C` 获取 PartitionName=compute Nodes=mu01 Default=YES MaxTime=INFINITE State=UP # 创建一个名为compute的队列 slurmd -C 的输出:
$ slurmd -C NodeName=mu01 CPUs=36 Boards=1 SocketsPerBoard=1 CoresPerSocket=10 ThreadsPerCore=2 RealMemory=63962 脚本内容111.sh
#!/bin/bash
#SBATCH -p debug
#SBATCH -J test
#SBATCH -N 1
#SBATCH -n 4
#SBATCH -o out.log
#SBATCH -e error.log
mpirun -np 4 vasp_std
作业提交命令：(在slurm安装配置完成，提交作业之前需要重启一次服务器)
sbatch -n 4 111.sh
sbatch 111.sh
作业队列：squeue
作业状态：sinfo
作业输出：tail -f out.log