ubuntu服务器安装Slurm

相关内容，网上不少，这里记录一下自己出现的问题和解决方法，采用的是Ubuntu22.04，方法可以参考知乎上面这篇文章Ubuntu服务器安装配置slurm，整个安装过程没有什么问题，主要步骤贴在这里但在使用过程中，依然有报错，具体可以看一下这篇文章Local SLURM cluster setup

里面也有相关安装步骤，但是在第8步中写道一点，可能很多人也和这里一样没有Cgroup，那么请选择LinuxProc，可以通过使用

Fill in the text fields according to the requirements and click the?submit?button. Please note in the?ProcessTracking?section, there is an option?Cgroup?(which stands for control groups). Control groups are a Linux kernel feature that limits, accounts for, and isolates the resource usage (CPU, memory, disk I/O, network, etc.) of a collection of processes. However, the control groups feature was not set up on the system I used. Instead, I had to select?LinuxProc.

Step 1. 安装依赖的软件包

1. slurmd: 完成计算节点的任务（启动任务、监控任务、分层通信）
2. 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
# `slurmctld`: central management daemon
$ sudo apt install slurmctld

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
$ 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://<your_ip>:8000/，进入配置页面（如下图），点击进入 slurm-wlm-configurator.html 按照自己的需求填写设置。

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/slurm/d
$ 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:

$ slurm -C
NodeName=mu01 CPUs=36 Boards=1 SocketsPerBoard=1 CoresPerSocket=10 ThreadsPerCore=2 RealMemory=63962