Slurm：高性能计算集群的调度利器

Slurm（Simple Linux Utility for Resource Management）是一个开源的、容错且高度可扩展的工作负载管理器，专为 Linux 集群设计，广泛应用于高性能计算（HPC）环境[[1]][[2]][[3]]。它最初由劳伦斯利弗莫尔国家实验室（LLNL）开发，旨在高效管理和调度计算资源，支持从小型集群到世界顶级超级计算机的各种规模系统[[4]]。

核心功能

Slurm 主要具备三大关键功能[[5]][[6]][[7]]：

1. 资源分配：为用户分配对计算节点的独占或非独占访问权限，以执行任务。
2. 作业管理：提供框架来启动、执行和监控作业（包括并行作业），并在分配的节点上管理任务运行。
3. 队列仲裁：通过管理待处理作业的队列，解决资源竞争问题，支持多种调度策略（如优先级调度、回填调度等）[[8]]。

主要组件

• slurmctld：中央管理守护进程，负责集群调度和资源管理[[9]][[10]]。
• slurmd：运行在每个计算节点上，接收并执行来自 slurmctld 的指令，监控资源使用情况[[11]][[12]]。
• slurmdbd：数据库守护进程，用于存储作业历史、账户信息等数据（可选）[[13]][[14]]。
• 命令行工具：包括 sinfo（查看分区和节点状态）、squeue（查看作业队列）、sbatch（提交