slurm集群管理系统的学习笔记

刚刚接触到slurm集群管理系统，有几点心得想写出来与大家一起分享，后续可能也会有更新，所以先写一下基本的常用命令。

sinfo：查看节点的运行状态，运行此命令得到如下结果：

上图列出了集群各个分区各个节点的运行状况：

在此主要关注最后两列信息：

state展示了各个分区的运行状况：

idle表示分区空闲；mix表示分区已经被占用，但是仍有可用资源，这时候可以通过scontrol show node

node01命令来进一步查看具体分区节点的运行情况：

上面展示了节点名称、CPU占用情况以及内存的使用情况，当然也有每个core的线程数等等信息。

free –gh用来查看登陆节点的运行情况，最有用的就是内存的使用量和剩余量：

top命令能够展示当前用户的cpu占用情况

需要注意的是第三行展示的CPU是以百分数形式展示的，其中97.5id指的是剩余的CPU百分比。

squeue查看所有用户的任务的运行状态，

上图展示了job编号，运行job所使用的分区名称，job名称等等信息，我们最为关注的应该只有ST这一列，它展示了各个工作的运行状态，其中R代表RUN；PD代表挂起，如果任务处于挂起状态，则显示任务被挂起的原因。用户可以根据这个原因来判断自己的作业脚本是否写对了。除此之外，使用 squeue 配合不同参数可以过滤显示的内容，例如

squeue -l: 以长列表显示更多信息。

squeue -u username: 仅显示属于用户 username 的任务。

squeue -t state: 仅显示处于state 状态的任务。

具体信息可以通过squeue –help命令查看。

关于删除任务也有几个常用的命令：

scancel jobid: 删除 jobid的作业。

scancel -u username: 删除username 的全部作业。

scancel -s state: 删除处于state 状态的作业

当然具体的命令也可以通过scancel –help进行查看。