SLURM — CAE术语解说

SLURM是"Simple Linux Utility for Resource Management"的缩写，是一个开源的作业调度器。它在许多用户共享的超级计算机上，管理谁的计算什么时候在哪个节点上运行。

基本上是按队列（等待行列）排队的，但不是简单的先来先服务。它采用公平共享策略来管理，使用过多资源的用户优先级会降低，而且还有回填功能，小的作业可以插入大作业的空隙中运行。

写好作业脚本后用sbatch job.sh投入。查看状态用squeue，取消作业用scancel。脚本中要用#SBATCH指令来指定资源要求，比如"4个节点、128个核心、运行时间24小时"这样的。

目前SLURM是市场占有率第一的。Top500超级计算机中有60%以上采用SLURM。PBS虽然也在使用，但商用版PBS Pro的转移在进行，免费版本使用变得不那么方便了。SLURM是开源的，开发非常活跃，在大学和研究机构中压倒性地流行。

执行时间的估计不能太乐观，否则任务会被中途中止。另外，增加并行数不能无限制地进行，否则节点间通信会成为瓶颈，反而会变慢。最好是事先做好扩展性测试，确定合适的节点数，这样才能避免计算资源的浪费。

掌握这两个加上scancel，日常的作业管理就差不多了。还可以用sacct查看过去的作业历史，分析自己的计算用了多少资源，这样对下一个作业的参数设置改进也很有帮助。