Gentoo slurm 安装
安装 slurm
在所有节点使用 emerge 安装 sys-cluster/slurm，emerge 将自动安装 munge 并创建固定 uid, gid 的 munge, slurm 用户
1
emerge -av sys-cluster/slurm
配置测试 munged
开启所有节点 munged 服务并设置为开机启动，将管理节点 /etc/munge/munge.key 复制到其他节点相应位置 /etc/munge ，
1
2
3
rc-service munged start
rc-update add munged default
rsync -auvz --delete /etc/munge/munge.key io01:/etc/munge
测试 munged 是否配置成功，在管理节点运行一下命令
1
2
munge -n |unmunge #测试管理节点
munge -n |ssh cu201 unmunge #测试其他(cu201)节点
应得到类似如下输出
1
2
3
4
5
6
7
8
9
10
11
STATUS: Success (0)
ENCODE_HOST: cu204 (127.0.0.1)
ENCODE_TIME: 2022-05-19 00:54:32 +0800 (1652892872)
DECODE_TIME: 2022-05-19 00:54:32 +0800 (1652892872)
TTL: 300
CIPHER: aes128 (4)
MAC: sha256 (5)
ZIP: none (0)
UID: root (0)
GID: root (0)
LENGTH: 0
配置 slurm.conf
根据软件提供网页工具 /usr/share/doc/slurm-20.11.0.1-r104/html/configurator.html 进行配置，按照实际情况填写并生成 slurm.conf，复制到 /etc/slurm/slurm.conf，可与提供的/etc/slurm/slurm.conf.example 对照填写。
若 slurm.conf 中 ProctrackType=proctrack/cgroup，则需要创建 /etc/slurm/cgroup.conf ,使用默认的即可。
遇到如下错误
1
2
3
heq /var/log/slurm # sinfo
PARTITION AVAIL TIMELIMIT NODES STATE NODELIST
regular* up infinite 4 drain cu[201-204]
进一步查看得到
1
2
3
4
5
6
heq /var/log/slurm # sinfo -R
REASON USER TIMESTAMP NODELIST
Low RealMemory root 2022-05-18T17:20:20 cu201
Low RealMemory root 2022-05-18T17:22:33 cu202
Low RealMemory root 2022-05-18T17:22:44 cu203
Low RealMemory root 2022-05-18T17:22:54 cu204
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
heq /var/log/slurm # scontrol show node
NodeName=cu201 Arch=x86_64 CoresPerSocket=24
CPUAlloc=0 CPUTot=48 CPULoad=0.00
AvailableFeatures=(null)
ActiveFeatures=(null)
Gres=(null)
NodeAddr=cu201 NodeHostName=cu201 Version=20.11.0
OS=Linux 5.15.32-gentoo-r1-x86_64 #1 SMP Tue May 10 16:55:58 CST 2022
RealMemory=186000 AllocMem=0 FreeMem=186649 Sockets=2 Boards=1
State=IDLE+DRAIN ThreadsPerCore=1 TmpDisk=0 Weight=1 Owner=N/A MCS_label=N/A
Partitions=regular
BootTime=2022-05-10T20:04:13 SlurmdStartTime=2022-05-18T19:48:08
CfgTRES=cpu=48,mem=186000M,billing=48
AllocTRES=
CapWatts=n/a
CurrentWatts=0 AveWatts=0
ExtSensorsJoules=n/s ExtSensorsWatts=0 ExtSensorsTemp=n/s
Reason=Low RealMemory [root@2022-05-18T17:20:20]
Comment=(null)
错误原因是因为 slurm.conf 中设置的 RealMemory 大于 计算几点实际可用内存，减小 slurm.conf 中RealMemory 的值并使其生效即可。使其生效需运行如下命令：
1
2
3
scontrol reconfigure
## 更新计算节点状态
scontrol update nodename=cu201 state=resume
参考链接
[]: https://southgreenplatform.github.io/trainings/hpc/slurminstallation/#part-1 “SouthGreen” []: https://slurm.schedmd.com/quickstart_admin.html “slurm 官方教程” []: https://slurm-dev.schedmd.narkive.com/lnoGic15/unknown “slurm dev”
[]: https://stackoverflow.com/questions/68132982/slurm-says-drained-low-realmemory “stackoverflow”
