[HPC | slurm系统学习] 服务器使用指南

原文档slurm系统学习1.什么是SlurmSLURM Simple Linux Utility for Resource Management是一个调度系统用于分配计算节点。用户可以通过ssh连接登录节点也可以通过浏览器登录进而进入该系统。建议只用英文字符和数字命名文件夹和目录并且不要使用特殊字符2.slurm功能常用命令功能命令集群状态sinfo排队作业状态squeue作业提交sbatch查看和修改作业参数scontrol已完成作业报告sacct删除作业scancel(1)sinfo查看集群状态功能命令查看节点级信息sinfo -N查看可用节点信息sinfo -N --statesidle查看队列信息sinfo --partitioncpu查看所有选项sinfo --help节点状态包括idle(可用)、alloc(在用)、down(下线)、drain(故障)、mix(部分占用但仍有剩余资源查看总体资源信息$ sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST cpu up7-00:00:0656idle cas[001-656]dgx2 up7-00:00:08idle vol[01-08]输入sinfo即可($是提示符)下面是系统返回信息第 1 行cpu 的队列可用作业最长能跑 7 天有 656 个节点全都空闲节点名叫 cas001~cas656。第 2 行dgx2 的队列GPU 机可用最长 7 天有 8 个节点全都空闲节点名叫 vol01~vol08。(2)squeue查看作业信息功能命令查看作业信息squeue -j jobid查看细节信息squeue -l查看特定节点作业信息squeue -n HOST查看USER_LIST的作业squeue查看特定状态的作业squeue --stateR查看所有的选项squeue --help作业状态包括R(正在运行)PD(正在排队)CG(即将完成)CD(已完成)。默认情况下squeue只会展示在排队或在运行的作业。…不重复造轮子了入门就好接下来哪里不懂就复制粘贴问ai