Slurm集群资源管理器的简单使用

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。主要有三个功能：

1. 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。
2. 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）。
3. 它通过管理待处理工作的队列来仲裁资源争用。

简单来说，slurm可以合理安排资源，让资源利用最大化。

举一个简单的例子：

1. 构建一个脚本 test.sh

#!/bin/bash

#SBATCH -n 8 # 核心数
#SBATCH -N 1 # 节点数
#SBATCH -t 12:00:00 # 时间
#SBATCH --mem=10G # 内存
#SBATCH --partition=12hours
#SBATCH -e err.log # 错误输出
#SBATCH -o out.log # 输出
#SBATCH --job-name=test # 任务名

echo "START: $SLURM_JOBID"

srun sh try.sh # 提交任务也可以是任何别的命令

echo  "END! "

2. 提交 sbatch

sbatch test.sh

3. 查看任务 squeue
   类似于top命令。

squeue -u xxx(用户名)

4. 取消任务

scancel JOBID