Ubuntu上Slurm集群搭建全攻略：从基础配置到安装详解

在Ubuntu系统上搭建SLURM集群是一个关键的运维任务，SLURM (Simple Linux Utility for Resource Management) 是一个开源的批处理工作调度器，广泛用于高性能计算环境。以下是整个过程中的关键步骤： 1. **准备工作**： - 首先，确保配置主机名与IP地址映射关系，通过编辑`/etc/hosts`文件，添加条目如 `IP hostname`，并验证配置无误，通过`ping hostname`检查网络可达性。 - 安装SSH服务，便于远程登录，使用`apt install ssh`命令安装，然后通过SSH连接测试。 2. **管理员权限与安全设置**： - 使用`sudo su`切换到管理员身份。 - 配置`/etc/ssh/sshd_config`，设置PermitRootLogin为`yes`以允许root登录，同时启用PasswordAuthentication。 3. **安装和配置Munge**： - Munge是一个用于内部通信的安全协议，对SLURM集群至关重要。使用`apt install munge`安装Munge。 - 在控制节点上创建并分发Munge密钥，`create-munge-key`，然后通过`scp`将密钥复制到计算节点的`/etc/munge/`目录。 - 启动Munge服务，确保所有节点都已正确配置和启动。 4. **安装SLURM**： - 使用`apt install slurm-wl slurm-wlm-doc`安装SLURM核心组件及其文档。 - SLURM的安装通常会自动处理依赖项和配置，但如果有问题，可能需要手动干预或卸载重装。 5. **验证和调整**： - 测试Munge功能，执行`munge-n`或`ssh node1`看是否正常工作。 - 检查Munge用户的uid和gid一致性，如有必要，使用`usermod`进行调整。 - 监控SLURM服务状态，`systemctl status munge.service`确保服务运行正常。 在整个过程中，需要注意的问题和常见错误包括权限问题、密钥复制时的权限管理以及可能存在的软件冲突。如果遇到问题，如卸载和重新安装等解决步骤是必不可少的。完成这些步骤后，您将建立起一个基本的SLURM集群环境，可以开始配置和管理计算任务了。