引言

• 实验室的服务器的操作指令，之前同学写的不够详细，或者说有点乱，这里做一个简单的整理，方便以后使用实验室的服务器。
• 同时这个博客并不是起到一个全面介绍的作用，主打的是一个快速开始，提交任务，直接能够跑。
• 省流：
  • slurm是按照分区来组织节点，每一个节点是一个完整的计算机，所以需要制定节点和分区。

正文

Slurm集群、节点、分区介绍

• 省流，直接看图

  • 申请节点需要指定分区

• Slurm介绍：

  • Slurm（Simple Linux Utility for Resource Management）是一个开源的、高度可扩展的集群管理和作业调度系统，用于在Linux集群环境中管理资源。它支持许多类型的计算，包括单任务、多任务、并行任务和管道任务，并且可以管理和调度资源使用，如CPU、内存和磁盘空间。

• 分区和节点：

  • SLURM使用节点（nodes）来表示计算集群中的物理或虚拟机器，并将它们组织成一个或多个分区（partitions）。

• 分区：

  • 分区（Node Partition）是指将计算集群中的节点划分为逻辑组的过程。每个分区可以包含一个或多个节点，并可以按照特定的规则或条件进行配置。这些规则可以基于节点的物理特性（例如CPU、内存、网络带宽）或节点所属的组织或用户。

• 节点列表：

  • 与每个分区相关联的是节点列表（Node List）。节点列表是一个包含属于该分区的所有节点的清单。它指定了在特定分区中可用的计算资源。这样，用户可以根据其需求选择适合的分区和节点来提交任务。

• 节点：

  • "节点"通常指的是集群中的一台独立的计算机。每个节点都有自己的处理器（CPU）、内存、存储设备，以及其他硬件资源，如图形处理器（GPU）。节点通过网络连接在一起，形成一个集群，可以一起处理大规模的计算任务。

Salloc申请节点并进入

• salloc的功能介绍：申请计算节点，然后登录到申请到的计算机节点上运行指令。

• 常用参数，以这条指令salloc -p debug -N1 -n1 --gres=gpu:2 -q low -t 12:00:00为例子

  • -p debug：这是指定要使用的分区（partition）。在这个例子中，你正在请求在 “debug” 分区中运行你的作业。
  • -N1：这是指定要请求的节点数量。在这个例子中，你正在请求一个节点。
  • -n1：这是指定每个节点上的任务数。在这个例子中，你正在每个节点上请求一个任务。
  • –gres=gpu:2：这是指定要请求的通用资源（Generic Resources）。在这个例子中，你正在请求两个 GPU。
  • -q low：这是指定作业的优先级。在这个例子中，你正在设置作业的优先级为 “low”。
  • -t 12:00:00：这是指定作业的最大运行时间。在这个例子中，你正在设置作业的最大运行时间为 12 小时。

• 运行情况具体如下
  

• 进入对应的操作节点，注意，这里要输入节点序列

• 输入指令 ssh 节点名称

查看已经申请的节点

• 查看目前系统中已经申请的节点，会显示相关作业和节点的信息，包括作业ID、状态、所在分区和申请节点等，具体执行情况如下
  
• ST作业状态，相关参数说明

• 说明有三个节点是已经完成了任务，在等待分配，这里为了节省资源，需要将对应的人物进行终止就行。

终止作业

• 对于已经完成作业节点，需要取消或终止正在运行或排队的作业，释放资源或者终止作业执行

scancel <job_id>

• 执行效果，输入之前已经无用的三个作业。

查看集群情况

• sinfo查看当前数slurm中集群的节点分布情况

退出节点

• 直接输入exit即可，运行如下

具体运行问题

无法联网问题

• 无法安装环境，下载任何包总是显示网络问题，ping百度不通

• 注意，总共有两种状态，一种是总服务器，还有一种选择了对应的节点进行登陆。在节点是没有办法进行联网的，需要推出节点，到对应的总服务器才能进行环境安装。

安装的包找不到

• 明明已经安装了对应的包，在节点下已经激活了环境，但是还是没有办法找到对应的包。
  • 这里已经安装了librosa,但是找不到对应的包

• 注意 ： 这里仅仅是切换到了对应的节点上，但是对应节点只有显卡和对应的驱动，pytorch等框架，你需要自己装，然后还需要设置对应的环境。
• 输入如下的指令，把后面的东西替换成你对应的anaconda路径就行了

export LD_LIBRARY_PATH=/public/home/liuhong/hch/anaconda/lib:LD_LIBRARY_PATH

• 然后就可以找到对应的环境和包。