1.常用命令及功能介绍 

* sacct:显示激活的或已完成作业或作业步的记账(对应需缴纳的机时费)信息。
* salloc:为需实时处理的作业分配资源,典型场景为分配资源并启动一个shell,然后用此shell执行srun命令去执行并行任务。
* sattach:吸附到运行中的作业步的标准输入、输出及出错,通过吸附,使得有能力监控运行中的作业步的IO等。
* sbatch:提交作业脚本使其运行。此脚本一般也可含有一个或多个srun命令启动并行任务。
* sbcast:将本地存储中的文件传递分配给作业的节点上,比如/tmp等本地目录;对于/home等共享目录,因各节点已经是同样文件,无需使用。
* scancel:取消排队或运行中的作业或作业步,还可用于发送任意信号到运行中的作业或作业步中的所有进程。
* scontrol:显示或设定Slurm作业、队列、节点等状态。
* sinfo:显示队列或节点状态,具有非常多过滤、排序和格式化等选项。
* squeue:显示队列中的作业及作业步状态,含非常多过滤、排序和格式化等选项。
* srun:实时交互式运行并行作业,一般用于段时间测试,或者与sallcoc及sbatch结合。
2.查询作业:sacct

参数解释
-E, --endtime=end_time查询在指定时间之前,任何状态的作业.如果通过-s参数指定
状态则返回在此时间之前的指定状态的作业,有效格式为:
HH:MM[:SS] [AM|PM]
MMDD[YY] or MM/DD[/YY] or MM.DD[.YY]
MM/DD[/YY]-HH:MM[:SS]
YYYY-MM-DD[THH:MM[:SS]]
-S, --starttime= starttime在指定时间后,任何状态的作业
-T, --truncate如果一个job在 --starttime之前开始运行,开始时间将被截断
为 --starttime,同样的作业结束时间 = --endtime
-o, --format指定显示字段以逗号分隔

 

3.节点操作: scontrol

下线节点:

scontrol update nodename=gv21 state=drain reason="hardware error"

上线节点:

scontrol update nodename=[node_name] state=idle

清空节点

scontrol update nodename=[node_name] state=down reson="debug"

节点恢复

scontrol update nodename=[node_name]  state=resume

显示分区详情:

scontrol show partition [queue_name]

显示作业详情:

scontrol show job [jobid]

显示节点详情

scontrol show node nodes

显示配置详情

scontrol show config

修改配置文件后使配置文件生效

scontrol  reconfig

4.用户管理操作 sacctmgr

4.1用户有关

查询用户

sacctmgr show user ***

添加用户

sacctmgr add user sghpc2 DefaultAccount=acct02 Qos=test_qos

修改用户 

sacctmgr modify user sghpc2 set QoS=nomal

删除用户

sacctmgr delete user username

4.2账户相关

查询账户

sacctmgr show account ***

添加账户

 sacctmgr add account acct

修改账户

sacctmgr modify account acc

删除账户

sacctmgr delete account acct

4.3QOS相关

查询QOs:

sacctmgr show qos mormal

 添加QOs

sacctmgr add qos mormal

修改QOs

sacctmgr modify qos mormal

删除QOs

sacctmgr delete qos mormal

5.srun sbatch salloc 常用的作业提交参数

参数参数解释
-J 或者 --job-name指定作业名称
-p 或者 --partition指定队列资源
-N 或者 –nodes= <number>指定节点数量
-n 或者 --ntasks =<number>指定处理器数量
-o 或者--output=<filename pattern>指定 stdout 的输出文件
或者--error=<filename pattern>指定 stderr 的输出文件,如果指定的文件已经存在,它将被 覆盖。
6.其他命令

产看节点拥有资源

slurmd  -C

查看slurm的版本信息

slurmd --version

slurmd -V

sinfo -V

查看slurm中集群列表的命令

sacctmgr show cluster

systemctl启动、停止、重启、查看slurmctld.service的命令

systemctl start slurmctld.service

systemctl stop slurmctld.service

systemctl restart slurmctld.service

systemctl status slurmctld.service

取消指定id作业

scancel [jobid]

查看作业列表

squeue

查看你节点和分区状态

sinfo

]写出使用srun提交使用1个节点,1个核心,一个gpu卡的sleep 100秒作业的命令

srun -N 1 -n 1 –gres=gpu:1 sleep 100

查看系统支持的pmi

srun --mpi=list

6.写作最后

Slurm
China社区,以Slurm为切入口讨论HPC相关问题,致力于守卫中国HPC集群稳定运行,推广国产调度器助力中国HPC进步。大家有想加入Slurm China
社区的小伙伴,可以私信或评论区联系我。

技术
今日推荐
阅读数 133
下载桌面版
GitHub
百度网盘(提取码:draw)
Gitee
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:766591547
关注微信