lvs的调度算法 slurm调度策略

目录

• 一、前言
• 二、Slurm介绍
• 三、如何使用

• sinfo 查看节点和分区信息
• squeue 查看调度队列中作业信息
• srun 运行并行作业
• sbatch 用批处理脚本提交作业
• scancel 取消已提交的作业
• salloc 用于申请节点资源
• sacct 查看历史作业信息

• 四、总结
• 五、参考

---

一、前言

本文基于北京超级云计算中心A分区平台介绍Slurm的用法，主要目的是让没接触过Slurm作业调度系统的人可以快速上手，轻松的提交与管理自己的作业。BSCC-A5超算的每个节点具有2颗32核AMD EPYC 7452@2.35GHz CPU组成，单节点64核，256GB内存，每个队伍最多使用2个节点共128核资源，节点间通过56Gb Infiniband 高速网互联。

---

二、Slurm介绍

Slurm是一个开源，容错，高度可扩展的集群管理和作业调度系统，适用于大型和小型Linux集群。Slurm不需要对其操作进行内核修改，并且相对独立。作为集群工作负载管理器，Slurm有三个关键功能。首先，它在一段时间内为用户分配对资源（计算节点）的独占和/或非独占访问，以便他们可以执行工作。其次，它提供了一个框架，用于在分配的节点集上启动，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。

三、如何使用

对于集群使用者而言，其通常不需要过于关注集群的内部结构与节点之间网络连接情况，Slurm就提供了简单易用的命令将集群计算资源的使用难度降到了最低，以下依次列出对于用户而言常用的Slurm指令。

命令	功能描述
sinfo	查看节点和分区信息
squeue	查看调度队列中作业信息
srun	运行并行作业
sbatch	用批处理脚本提交作业
scancel	取消已提交的作业
salloc	用于申请节点资源
sacct	查看历史作业信息

sinfo 查看节点和分区信息

sinfo查看当前账号可使用的队列资源信息

相关信息解释：

参数	解释
PARTITION	分区名（队列名）
AVAIL	队列是否可用，up（可用）、inact（不可用）
TIMELIMIT	该队列作业运行时间限制，infinite（不限时）
NODES	节点数
STATE	节点状态，drain(故障)、alloc(已被分配)、idle(可用)、down(下线)、mix(部分占用）
NODELIST	节点列表

squeue 查看调度队列中作业信息

squeue查看调度队列中作业信息

相关信息解释：

参数	解释
JOBID	作业号
PARTITION	作业运行的队列名
NAME	作业名可自定义
USER	该作业所属账号名
ST	作业状态，R(运行中)、PD(排队中)、CG(将完成)、CD(已完成)
NODES	作业所使用节点数
NODELIST(REASON)	作业所使用节点列表

srun 运行并行作业

一个srun命令样例，表示指定队列名为amd_256，节点数为1，每个进程的核数为64，作业的运行时间限制为1分钟，作业名为pivot1，可执行文件为pivot。

srun -p amd_256 -N 1 -c 64 -t 1 -J pivot1 pivot

常用参数

参数	解释
-N [count]	指定节点数count
-n [count]	指定进程数count
-c [count]	指定每个进程核数为count
-p [name]	指定提交作业到name队列
-w fa[0101-0102]	指定提交作业到fa0101和fa0102节点
-x fa[0103-0104]	提交作业时排除fa0103和fa0104节点
-o [filename]	指定标准输出到filename文件
-e [filename]	指定重定向错误输出到filename文件
-J [jobname]	指定作业名为jobname
-t [time]	限制运行time分钟

sbatch 用批处理脚本提交作业

每次都使用一长串命令提交作业比较麻烦，不够优雅，sbatch命令可以解析已经写好的脚本提交任务，一个脚本示例run.sh和用法如下。

#!/bin/bash
#SBATCH -p amd_256
#SBATCH -N 1
#SBATCH -c 64
#SBATCH -t 1
#SBATCH -J pivot1
./pivot

该脚本使用方法为

sbatch run.sh

表示指定队列名为amd_256，节点数为1，每个进程的核数为64，作业的运行时间限制为1分钟，作业名为pivot1，可执行文件为pivot。

scancel 取消已提交的作业

前文中我们提交作业后会获得一个唯一的JOBID，如果该作业运行时间过长，你想强行终止该作业，就可以使用

scancel JOBID

强行终止该作业，也可通过其他的信息终止某个作业

参数	解释
-n [jobname]	终止作业名为jobname的作业
-p [name]	终止队列名为name的作业
-t PENDING	终止正在排队的作业
-w fa0101	终止运行在fa0104节点的作业

salloc 用于申请节点资源

salloc申请节点资源，用法如下：

1. 执行salloc -p amd_256
2. 执行squeue 查看分配到的节点资源，我们分配的的节点是fa0307
3. 执行ssh fa0307登陆到所分配的节点
4. 登陆计算节点后可以使用该节点资源
5. 不使用节点后，执行scancel JOBID释放节点资源

sacct 查看历史作业信息

使用方法如下，可以查看历史作业的起止时间、结束状态、作业号、作业名、使用的节点数、节点列表、运行时间等。

---

四、总结

Slurm基础用法已经介绍完毕，上述命令可以满足大部分提交作业的需求，后续将会针对OpenMP、MPI等类型的任务给出代码和Slurm实例。