高性能计算与 Slurm
从工作负载和集群架构,走到第一个作业、并行布局、可复现工作流及日常运维。十篇独立指南区分普通用户、管理员和共同基础,并保留版本范围、教学示例与官方依据。
选择学习入口
- 普通用户:先读第 05–08、10 讲,理解资源策略、提交、并行程序、软件环境和故障诊断。
- 管理员:从第 01–04、09 讲开始,规划架构、隔离实验、认证、配置与维护。
- 共同基础:区分登录节点与计算节点、申请资源与应用并行、调度成功与科学结果有效。
教学示例与生产要求
核对日期:2026-10-04。请采用与已安装 Slurm 版本匹配的文档和本地规范。实验环境不能代表生产互连、存储或安全配置。管理员示例仅供获授权运维人员在审核后使用;所有示例均为教学内容,未在任何实际集群上执行。
十讲学习路线
01
从工作负载出发设计集群
节点职责、容量与代表性基准
阅读指南 → 02安全搭建实验环境,有计划地部署生产集群
隔离虚拟机、版本化部署与试点推广
阅读指南 → 03身份、时间、网络与认证
UID/GID、时间、密钥保护与认证范围
阅读指南 → 04把 Slurm 配置当作一个系统理解
实测节点、资源隔离与持久记账
阅读指南 → 05分区、QOS、公平共享与合理申请资源
分区、QOS、优先级、内存与 CPU 申请
阅读指南 → 06提交、检查和停止作业
批处理、交互分配、记账与取消
阅读指南 → 07按应用匹配 MPI、OpenMP 与 GPU
线程与进程布局、兼容启动器及 GPU 验证
阅读指南 → 08可复现的软件环境与 scratch 流程
模块、一致构建、检查点与 scratch 生命周期
阅读指南 → 09可观测、可恢复且不打扰用户的运维
监控、排空与恢复、备份及经验证升级
阅读指南 → 10诊断、测量与组织科学工作流
作业状态、内存指标、数组、依赖与吞吐量
阅读指南 →运行量子化学程序
- VASP - ORCA - Quantum ESPRESSO
先在软件目录确认适用任务、许可证和版本文档,再按并行布局指南选择兼容的启动方式。通用 Slurm 示例不能替代软件自己的版本化运行要求。