前言

Slurm(Simple Linux Utility for Resource Management， http://slurm.schedmd.com/ )是开源的、具有容错性和高度可扩展的Linux集群超级计算系统资源管理和作业调度系统，所以今天我们来从零开始搭建slurm集群。

一、关闭防火墙以及SELinux

SELinux
临时关闭SELinux　　　setenforce 0
临时打开SELinux　　　setenforce 1
查看SELinux的状态　　getenforce
永久关闭SELinux（重启后生效）编辑/etc/selinux/config 文件，将SELinux的默认值enforcing 改为 disabled，下次开机就不会再启动

临时关闭防火墙　　　　systemctl stop firewalld
临时打开防火墙　　　　systemctl start firewalld
永久关闭防火墙开机自关闭　　　　systemctl disable firewalld
防火墙开机自启动　　　　systemctl enable firewalld
重启防火墙(disable、enable 修改后重启防火墙生效，或重启linux)　　　　systemctl restart firewalld
查看防火墙的状态　　　　systemctl status firewalld

二、修改主机名/etc/hosts, /etc/hostname

将本机名改成相对应的节点名称，并且在master节点把需要搭建的集群ip放进来
在这里插入图片描述

三、配置SSH 免密、NTP、NFS

1.SSH免密

为每台机器生产自己公私钥（一路回车就行） ssh-keygen -t rsa

cd ~/.ssh 将密钥复制到相应服务器文件中 ssh-copy-id -i id_rsa.pub master@10.0.0.225 （如果还要输入密码需要设置vim /etc/ssh/sshd_config(重点修改该文件夹归属目录权限) 并重启systemctl restart sshd.service）

vim ~/.ssh/config
 增加以下配置
 Host master
 HostName 10.0.0.225
 User master
 IdentitiesOnly yes
 可以通过ssh master直接访问

2.NTP安装（不安装似乎也没影响）

master：sudo apt install ntp

其他节点:sudo apt install ntpdate
然后在/etc/ntp.conf 添加server 10.0.0.225 prefer，然后关闭ntp服务后nptdate 10.0.0.225

3.NFS安装

sudo apt install nfs-kernel-server
安装好后记得开启服务：
sudo systemctl start nfs-kernel-server
设置开机自动启动nfs：
sudo systemctl enable nfs-kernel-server
挂载服务：
sudo mount -t nfs 10.0.0.225:/nfs_share /nfs_share -o nolock

进入sudo vim /etc/fstab 添加开机自动挂载

10.0.0.225:/nfs_share /nfs_share nfs defaults 0 0

apt-get 无法安装时把需要的库依次安装好即可

四、安装munge

sudo apt install munge

将master的/etc/munge/munge.key复制到各节点中相同路径，注意其中的权限问题，所有节点复制完成后开启服务

sudo systemctl start munge
查看是否连通
munge -n | unmunge
munge -n | ssh node0 unmunge

五、slurm安装

sudo apt install slurm-wlm
sudo chown -R slurm:slurm /var/spool/

六、设置slurm.conf文件（重中之重）

一般在/etc/slurm-llnl/中，编辑slurm.conf文件，如果在slurm20.02版本以上支持无配置模式，就不需要将各个master的conf文件复制到节点上。

否则每次更改conf文件都需要将更改的内容在其他节点上面同步之后重启服务。

slurm.conf
ControlMachine=master #<YOUR-HOST-NAME>
ControlAddr=10.0.0.225
AuthType=auth/munge

SlurmctldParameters=enable_configless   #如果不是无配置模式则注销此行
MpiDefault=none
ProctrackType=proctrack/linuxproc
ReturnToService=1
SlurmUser=root                      #slurm
SwitchType=switch/none
SchedulerType=sched/builtin
#SelectType=select/linear
SelectType=select/cons_tres
SelectTypeParameters= CR_CPU     #基于CPU调度
#SelectTypeParameters=CR_Core,CR_CORE_DEFAULT_DIST_BLOCK      #基于Core和内存调度
TaskPlugin=task/affinity        #够将一个或多个进程绑定到一个或多个处理器上运行
ClusterName=slurmcls #<YOUR-HOST-NAME>
SlurmctldLogFile=/var/log/slurm-llnl/slurmctld.log
SlurmdLogFile=/var/log/slurm-llnl/slurmd.log
SlurmctldPort=6817    #slurmctld服务端口
SlurmdPort=6818        #slurmd服务的端口
MailProg=/var/spool/mail

#节点信息，通过lscpu查看对应的参数填入
NodeName=master NodeAddr=10.0.0.225 CPUs=32 RealMemory=120000 State=IDLE Sockets=2 CoresPerSocket=8  ThreadsPerCore=2 
NodeName=node0 NodeAddr=10.0.0.221 CPUs=32 RealMemory=120000 State=IDLE Sockets=2 CoresPerSocket=8 ThreadsPerCore=2
NodeName=node1 NodeAddr=10.0.0.65 CPUs=32 RealMemory=250000 State=IDLE Sockets=2 CoresPerSocket=8 ThreadsPerCore=2 

NodeName=hnode0 NodeAddr=10.0.0.35 CPUs=128 RealMemory=2000000 State=IDLE #Sockets=2 CoresPerSocket=32 ThreadsPerCore=2
NodeName=hnode1 NodeAddr=10.0.0.37 CPUs=128 RealMemory=1000000 State=IDLE #Sockets=2 CoresPerSocket=32 ThreadsPerCore=2 

#队列信息
PartitionName=control Nodes=master Default=NO MaxTime=INFINITE State=UP
PartitionName=all Nodes=master,node[0-1],hnode[0-1] Default=YES MaxTime=INFINITE State=UP
PartitionName=cp Nodes=master,node[0-1] Default=NO MaxTime=INFINITE State=UP
PartitionName=hcp Nodes=hnode[0-1] Default=NO MaxTime=INFINITE State=UP

总结

以上步骤全部没有问题的话，最后我们就可以启动集群啦
首先，在master节点需要重启控制和计算服务
sudo systemctl restart slurmctl.service && sudo systemctl restart slurmd.service
计算节点只需要重启计算服务
sudo systemctl restart slurmd.service

然后，通过systemctl status slurmctld.service 和 systemctl status slurmd.service服务状态
slurmctl状态
slurmd状态