提交、检查和停止作业
读者:集群用户 · 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。
提交成功不代表计算成功
sbatch 提交脚本并返回作业 ID;提交成功不代表计算成功。salloc 获取交互资源分配;srun 在已分配资源内启动作业步骤,也可以自行申请资源。salloc 打开的 shell 不一定在计算节点上,应通过 srun 将工作放到已获分配的资源上。
第一个批处理作业
将下面的脚本保存为 hello.sbatch。它假设本站配置了默认分区和账户,否则需加入管理员允许的选项。
#!/bin/bash
#SBATCH --job-name=hello
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=1
#SBATCH --mem=1G
#SBATCH --time=00:02:00
#SBATCH --output=hello-%j.out
set -euo pipefail
printf 'job=%s submitted_from=%s\n' "$SLURM_JOB_ID" "$SLURM_SUBMIT_DIR"
srun hostname
srun date -u
脚本申请一个节点、一个任务、一个 CPU、1G 内存和两分钟时限,并把输出写入包含作业 ID 的文件。提交后,用返回的真实 ID 替换示例中的 12345。只有确实想取消时,才执行 scancel。
sbatch hello.sbatch
squeue -u "$USER"
scontrol show job 12345
sacct -j 12345 --format=JobID,JobName,State,ExitCode,Elapsed,AllocCPUS
# Only when you intend to cancel this job:
scancel 12345
所有 #SBATCH 指令都应位于可执行 shell 语句之前;其中的 shell 变量不会按 Bash 表达式展开。输出目录的父目录必须预先存在。Slurm 传输批处理脚本,不会自动搬运全部输入文件,因此需要确保计算节点能访问工作目录和程序。
简短的交互测试
salloc --nodes=1 --ntasks=1 --cpus-per-task=1 --mem=1G --time=00:10:00
# After the allocation is granted:
srun --pty bash -l
hostname
# exit the compute shell, then exit the allocation shell when finished
交互示例先用 salloc 申请十分钟资源,获批后通过 srun --pty bash -l 启动计算节点 shell。完成后先退出该 shell,再退出分配资源的 shell。结束分配前应保存必要结果。
不要对调度器进行高频轮询。作业从 squeue 消失,只说明它已离开活动队列;最终是否成功还需检查记账状态和科学输出。
官方资料
上一讲:分区、QOS、公平共享与合理申请资源 · 返回学习路线 · 下一讲:按应用匹配 MPI、OpenMP 与 GPU