اجرای Job با Slurm¶

Slurm مدیر صف و منابع محاسباتی کلاستر است. این صفحه شروع سریع است و صفحات تکمیلی، جزئیات بیشتری درباره منابع، مثال‌ها، پایش و خطاها ارائه می‌کنند.

مفاهیم Slurm

CPU، RAM، زمان، Partition و Job ID را بهتر بشناسید.

نمونه Jobها

نمونه‌های آماده برای Python، venv، Thread و Array Job را ببینید.

پایش Job

با squeue، sacct، scontrol و فایل‌های خروجی کار کنید.

رفع خطا

خطاهایی مثل TIMEOUT، OUT_OF_MEMORY و Permission denied را عیب‌یابی کنید.

شروع سریع¶

mkdir -p ~/projects/slurm-quickstart/logs
cd ~/projects/slurm-quickstart

cat > hello.slurm <<'SLURM_JOB'
#!/bin/bash
#SBATCH --job-name=hello-hpc
#SBATCH --partition=normal
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=1
#SBATCH --mem=1G
#SBATCH --time=00:05:00
#SBATCH --output=logs/hello-%j.out
#SBATCH --error=logs/hello-%j.err

echo "Hello from IASBS HPC"
echo "HOST=$(hostname)"
echo "USER=$(whoami)"
date
SLURM_JOB

sbatch hello.slurm

squeue -u $USER

cat logs/hello-*.out
cat logs/hello-*.err

دستورهای اصلی¶

دستور	کاربرد
`sinfo`	مشاهده وضعیت پارتیشن‌ها و نودها
`squeue -u $USER`	مشاهده Jobهای خودتان
`sbatch file.slurm`	ارسال Job
`scancel JOBID`	لغو Job
`sacct -u $USER --starttime today`	مشاهده سابقه Jobهای امروز
`scontrol show job JOBID`	مشاهده جزئیات یک Job

وضعیت‌های رایج¶

وضعیت	معنی
`PENDING`	در صف انتظار
`RUNNING`	در حال اجرا
`COMPLETED`	پایان موفق
`FAILED`	پایان با خطا
`CANCELLED`	لغوشده
`TIMEOUT`	زمان مجاز تمام شده
`OUT_OF_MEMORY`	حافظه کافی نبوده

مسیر یادگیری پیشنهادی

اول همین نمونه ساده را اجرا کنید. بعد صفحه «نمونه Jobهای واقعی» را بخوانید و نمونه Python یا Array Job را بررسی کنید.