---
title: 用 SLURM 优化超级计算机资源管理
description: 面向企业 IT 运维，介绍 SLURM 在超级计算机与大规模计算集群中的资源管理思路，涵盖适用场景、准备与风险、部署配置步骤、验证方法、回退建议及常见问题，并强调参数占位符与官方文档核对。
url: "https://www.lanever.com/docs/%e7%94%a8-slurm-%e4%bc%98%e5%8c%96%e8%b6%85%e7%ba%a7%e8%ae%a1%e7%ae%97%e6%9c%ba%e8%b5%84%e6%ba%90%e7%ae%a1%e7%90%86/"
updated: "2026-10-12"
category: Nvidia
---

# 用 SLURM 优化超级计算机资源管理

> **参考来源与致谢**
>
>
>
> - **引用来源：**[用 SLURM 优化超级计算机内的资源管理](https://www.ibm.com/developerworks/cn/linux/l-slurm-utility/index.html)
> - **原作者：**原页面署名作者或发布机构（剪藏记录未保存可核验的个人署名）
> - **感谢词：**感谢原作者及发布机构对技术知识的公开分享。本文已结合企业运维场景完成脱敏、核验与原创重写，并非原文转载；如权利人需要更正署名或来源信息，请联系本站。

## 适用场景

SLURM（Simple Linux Utility for Resource Management）是面向大规模计算节点集群的开源集群管理器与作业调度系统。适合以下场景：

- 需要统一排队与分配计算节点资源的高性能计算集群。
- 多用户共享节点，需按分区、时限、作业大小做约束。
- 需要将并行作业分发到一组已分配节点并跟踪至完成。
- 对可伸缩性与容错有要求，且希望采用开源方案。

SLURM 不绑定特定硬件架构，核心目标是让计算资源在有任务时尽量保持忙碌。是否支持某功能、某版本行为，请查阅对应版本官方文档。

## 准备与风险

部署前先明确集群拓扑、节点命名、分区划分与认证方式。建议先在测试环境验证，再上生产。

- 备份现有调度系统配置、作业脚本与关键数据。
- 确认控制节点与计算节点时间同步、主机名解析一致。
- 确认管理守护程序运行账号与目录权限。
- 认证与凭证涉及密钥文件，须限制文件权限，禁止明文存放口令。
- 破坏性操作（如清理状态、强制停止作业）前必须备份并确认可回退。

> 提醒：任何涉及删除状态、重建集群或强制终止作业的操作，先在测试环境演练，并保留可恢复的备份。

## 处理步骤

### 1. 安装

按发行版使用包管理器安装。以 Debian/Ubuntu 系为例，通用形式如下：

```
sudo apt-get install slurm-llnl
```

其他发行版请使用对应包管理器，并核对官方文档中的包名与依赖。

### 2. 配置

主配置文件通常为 `/etc/slurm-llnl/slurm.conf`，需分发到所有节点。关键项包括控制节点、认证类型、端口、状态保存路径、调度器类型、节点与分区定义。

节点可用范围写法表示，例如：

```
NodeName=snode[0-8191] State=UNKNOWN
PartitionName=debug Nodes=snode[0-8191] default=YES MaxTime=INFINITE State=UP
```

环境相关参数请用占位符替换，例如 `[服务器地址]`、`[管理员账号]`、`[控制节点主机名]`。不要照搬示例值。

### 3. 生成凭证

若启用凭证校验，需生成密钥对并限制权限。通用形式：

```
sudo openssl genrsa -out [私钥路径] 2048
sudo openssl rsa -in [私钥路径] -out [公钥路径]
```

私钥仅管理员可读，禁止写入版本库或共享目录。

### 4. 启动服务

使用系统服务管理脚本启动：

```
sudo /etc/init.d/slurm-llnl start
```

或使用发行版对应的 systemd 单元。启动后控制守护程序 `slurmctld` 与节点守护程序 `slurmd` 应正常运行。

## 验证方法

- 查看节点与分区状态：`sinfo`。
- 查看队列与作业：`squeue`。
- 提交测试作业：`sbatch [作业脚本]`，确认被调度并完成。
- 检查守护程序日志与状态文件，确认无异常退出。

验证结果以实际环境输出为准，不要预设性能或规模结论。

## 回退建议

- 停止服务：`sudo /etc/init.d/slurm-llnl stop`。
- 恢复备份的配置文件与状态目录。
- 如需忽略已保存状态重新启动，使用 `startclean`，但必须先确认无正在运行的重要作业。
- 回退后重新执行验证步骤，确认节点与分区状态正常。

## 常见问题

- 节点显示异常：检查主机名解析、守护程序状态与防火墙端口。
- 作业长期排队：检查分区约束、时限与资源请求是否匹配。
- 认证失败：核对认证类型与凭证路径、权限。
- 配置不生效：确认配置文件已分发到所有节点并重启相关守护程序。

不同版本配置项与默认值可能不同，遇到不确定项请查阅对应版本官方文档。
