跳转至

关于 Slurm

本文最后核验于 2026-07-26。分区和节点状态以 sinfo、scontrol 的输出为准。

使用前填写群内登记表，并私信管理员确认账号。示例使用 cls1 分区。cls2 不对所有同学 开放，使用权限由管理员确认。

集群通过 Slurm 提交作业。使用注册的用户名登录：

1
ssh username@cls1-gateway.s.tiankaima.dev -p 2022

登录节点名为 login。建议配置 ~/.ssh/config：

~/.ssh/config
1
2
3
4
Host login
    HostName cls1-gateway.s.tiankaima.dev
    Port 2022
    User username

配置后运行：

1
ssh login

工作目录

计算节点不共享 /home。Slurm 拒绝工作目录、标准输出或标准错误位于 /home 的作业。 使用 cls1 分区时，将代码、环境、数据和日志放在 BeeGFS 中：

1
cd "/data/cls1-beegfs/home/$USER"

重要数据请自行备份

/home 和 BeeGFS 存储的数据无备份或快照。

磁盘冗余不能防止误删除、软件错误或超过冗余能力的硬件故障。我们只提供 best-effort 的数据恢复。

QoS 与计费用量

QoS 最长时间 CPU/GPU 上限 同时运行作业数
debug 2 小时 16/1 1
normal 2 天 64/8 4
long 7 天 64/8 1

账号可以使用的 QoS 由管理员分配。每个账号在计费周期内都有使用量上限。达到上限 后，作业可能无法提交或运行。

常用命令

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
# 查看分区和节点状态
sinfo

# 查看自己的作业队列
squeue -u $USER

# 查看作业详情
scontrol show job <jobid>

# 查看历史作业
sacct -u $USER

批处理作业示例（GPU）

训练和长时间任务尽量使用 sbatch：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
cat > job.slurm <<'EOF'
#!/bin/bash
#SBATCH --job-name=demo
#SBATCH --partition=cls1
#SBATCH --gpus=1
#SBATCH --cpus-per-task=8
#SBATCH --mem=32G
#SBATCH --time=04:00:00
#SBATCH --output=%x-%j.out

nvidia-smi
python train.py
EOF

sbatch job.slurm

交互式作业示例（GPU）

交互式作业只用于短时间调试。不要占用 GPU 编辑代码、下载数据或等待其他操作。调试后 退出 shell。

1
2
3
4
5
6
7
srun \
  --partition=cls1 \
  --gpus 1 \
  --cpus-per-task 8 \
  --mem 32G \
  --time 00:30:00 \
  --pty bash

取消作业

1
2
3
4
5
# 取消单个作业
scancel <jobid>

# 取消自己的所有作业
scancel -u $USER

评论