常用术语
user：用户名
node：计算节点
core：cpu 核
job：作业
job step：作业步，单个作业可以有多个作业步
partition：分区，作业需在特定分区中运行
QOS：服务质量，可理解为用户可使用的 CPU、内存等资源限制
tasks：任务数，默认一个任务使用一个 cpu 核，可理解为作业所需的 cpu 核数
socket：cpu 插槽，可理解为物理 cpu 颗数
stdout：标准输出文件，程序运行正常时输出信息的文件，一般指输出到屏幕的信息
stderr：标准错误文件，程序运行出错时输出信息的文件，一般指输出到屏幕的信息
基本命令：
sacct: 显示激活的或已完成作业或作业步的记账信息。
salloc：为需实时处理的作业分配资源，典型场景为分配资源并启动一个shell，然 后用此shell执行srun命令去执行并行任务。
sbatch：提交作业脚本使其运行。此脚本一般也可含有一个或多个srun命令启动并行任务。
scancel：取消排队或运行中的作业或作业步。
scontrol：显示或设定Slurm作业、队列、节点等状态。
sinfo：显示队列或节点状态。
squeue：显示队列中的作业及作业步状态。
srun：实时交互式运行并行作业，一般用于段时间测试，或者与sallcoc及sbatch结合。
Slurm 提交作业有 3 种模式，分别为交互模式，批处理模式，分配模式，这三种方式只是用户使用方式的区别，在管理，调度，记账时同等对待。
交互模式
命令 srun
简介：交互式作业提交，提交命令后，等待作业执行完成之后返回命令行窗口。
例1：
srun hostname
例2：
slurm最基本的命令是srun，比如上面一行是指定-p分区，-w节点名称运行一个run.py的文件，当然还有更高级的，指定gpu的数量和指定进程的数量。
–gres=gpu:8表示每个节点上用几个gpu，-n表示有多少个进程，一般多线程的时候，用到多卡的时候会这么操作
srun -p compute -w c1 python3 /software/pipeline/test/test.py
srun -p control -w m1 python3 /software/pipeline/test/test.py
命令 sbatch
简介：
批处理作业是指用户编写作业脚本，指定资源需求约束，提交后台执行作业。提交批处理作业的命令为 sbatch，用户提交命令即返回命令行窗口，但此时作业在进入调度状态，在资源满足要求时，分配完计算结点之后，系统将在所分配的第一个计算结点（而不是登录结点）上加载执行用户的作业脚本。批处理作业的脚本为一个文本文件，脚本第一行以 “#!” 字符开头，并制定脚本文件的解释程序，如 sh，bash。由于计算节点为精简环境，只提供 sh 和 bash 的默认支持。
计算开始后，工作目录中会生成以 slurm 开头的.out 文件为输出文件。
作业脚本为文本文件，首行一 “#!” 开头，指定解释程序
脚本中可通过 srun 加载计算任务
一个作业可包含多个作业步
脚本在管理节点上提交，实际在计算节点上执行
脚本输出写到输出文件中
以下是一些常见的作业资源需求参数，使用#SBATCH -xx xxx 的方式写入脚本中即可：
-J,--job-name：指定作业名称
-N,--nodes：节点数量
-n,--ntasks：使用的CPU核数
--mem：指定每个节点上使用的物理内存
-t,--time：运行时间，超出时间限制的作业将被终止
-p,--partition：指定分区
--reservation：资源预留
-w,--nodelist：指定节点运行作业
-x,--exclude：分配给作业的节点中不要包含指定节点
--ntasks-per-node：指定每个节点使用几个CPU核心
--begin：指定作业开始时间
-D，--chdir：指定脚本/命令的工作目录
创建脚本 array.slurm
#!/bin/bash
#SBATCH -J array
#SBATCH -p compute
#SBATCH -N 1
input=(foo bar baz)
echo "This is job #${SLURM_ARRAY_JOB_ID}, with parameter ${input[$SLURM_ARRAY_TASK_ID]}"
echo "There are ${SLURM_ARRAY_TASK_COUNT} task(s) in the array."
echo " Max index is ${SLURM_ARRAY_TASK_MAX}"
echo " Min index is ${SLURM_ARRAY_TASK_MIN}"
sleep 5
作业 ID 是 81，而作业数组 ID 中的每个元素的命名方式为 JOBID_TASKID，非常 容易分辨。
以下是其中某个作业的输出：
slurm-81.out
This is job #, with parameter foo
There are task(s) in the array.
Max index is
Min index is
分配模式
命令 salloc
简介：
结点资源抢占命令。该命令支持用户在提交作业前，抢占所需计算资源（此时开始计算所用机时）。
执行分为四步
1．提交资源分配请求，作业排队等待资源分配，作业开始运行，开始计费；
2．执行用户指定的命令；
3．命令执行结束；
4．退出作业释放资源，作业停止运行，停止计费。
向集群提交作业并检查队列状态：
squeue
终止一个作业步骤：
scancel 命令与这个作业 ID 来终止该作业步骤
查看gpu使用情况：
swatch +节点名称+nv
查看cpu：
swatch+节点名称+top
查看内存：
swatch+节点名称+free
修改节点状态：
scontrol update NodeName=m1 State=idle
|