跳转至

安全搭建实验环境,有计划地部署生产集群

读者:获授权管理员 · 核对日期:2026-10-04

版本与教学范围

以已安装版本和本地规范为准。先查看 sinfo --version;上游文档在核对时标注为 26.05。路径、分区、账户、模块、内存、MPI、GPU 和服务名称均依站点而定。以 ./ 开头的示例程序必须事先存在。这里只提供教学示例,不是已验证的部署配方,也不表示任何集群已被修改。 管理员操作仅供获授权运维人员使用,须有经审核的变更计划;不可由普通用户执行或直接复制到生产环境。

隔离的学习环境

从隔离的测试环境开始:一个控制节点和一至两个计算节点虚拟机即可。单机演示也可行,但拆分成虚拟机更容易暴露主机名、身份、网络和共享文件问题。只使用可丢弃的测试数据,并使用独立认证密钥。未获得网络团队许可,不要把实验环境的 DHCP 部署服务接入现有机构网络。

分阶段部署计划

  1. 记录操作系统、架构、内核/cgroup 模式、Slurm 版本、软件包来源和回滚方式。
  2. 在安装调度服务前,先解决名称解析、时间同步、统一用户 ID 和存储访问。
  3. 从选定的受支持来源安装兼容软件包,保留清单;不要混用发行版软件包和不相关的源码构建。
  4. 配置认证及最小 CPU 分区,先执行单任务 hostname 测试,再测试双节点作业。
  5. 加入记账、资源限制、隔离和监控。确认故障处理行为后,再扩展 GPU 和生产软件环境。

OpenHPC 与 Warewulf 的不同职责

OpenHPC 提供配套软件包,安装指南按版本、操作系统、架构、部署系统及调度器区分。应完整采用一份匹配的指南,不要把旧 CentOS 命令与当前 Rocky/AlmaLinux 镜像拼接。Warewulf 管理节点镜像和 overlay;Slurm 管理节点启动后的作业调度,两者职责互补。

生产推广与恢复

生产环境应将镜像定义和非秘密配置纳入版本管理,建立受保护的密钥分发流程,并先验证一个试点节点。部署端点应限制在受信网络内,具体安全能力以所用 Warewulf 版本为准。不要通过关闭防火墙或公开管理接口来“解决”安装问题。

验收:根据已记录镜像重建测试节点,核对身份和挂载,运行小作业,并演示实验环境中节点故障后的恢复。

官方资料

上一讲:从工作负载出发设计集群 · 返回学习路线 · 下一讲:身份、时间、网络与认证