如何在节点上平均分配 slurm 任务？

Posted 2023-02-19

【中文标题】如何在节点上平均分配 slurm 任务？

【英文标题】：How to distribute slurm tasks evenly over the nodes?

【发布时间】：2018-12-12 17:20:33

【问题描述】：

我想在一个 sbatch 脚本中使用 srun 命令在集群上运行大约 200 次脚本。由于执行脚本需要一些时间，因此最好将任务均匀地分布在集群中的节点上。可悲的是，我对此有疑问。

现在，我创建了一个示例脚本（“hostname.sh”）来测试 sbatch 脚本中的不同参数：

echo `date +%s` `hostname`
sleep 10

这是我的 sbatch 脚本：

#SBATCH --ntasks=15
#SBATCH --cpus-per-task=16

for i in `seq 200`; do
    srun -n1 -N1 bash hostname.sh &
done

wait

我希望 hostname.sh 被执行 200 次（for 循环），但只有 15 个任务同时运行（--ntasks=15）。由于我最大的节点有 56 个内核，因此只有三个作业应该能够同时在该节点上运行（--cpus-per-task=16）。

从脚本的输出中，我可以看到前九个任务分布在集群的九个节点上，但所有其他任务（191 个！）同时在一个节点上执行。整个 sbatch 脚本执行只用了大约 15 秒。

我想我误解了 slurm 的一些参数，但查看官方文档并没有帮助我。

【参考方案1】：

您需要在该上下文中使用srun 的--exclusive 选项：

srun -n1 -N1 --exclusive bash hostname.sh &

来自srun manpage：

默认情况下，作业步骤可以访问分配给作业的每个 CPU。 要确保为每个作业步骤分配不同的 CPU，请使用 --exclusive 选项。

另请参阅上述文档中的最后一个示例。

【讨论】：

srun 的 --exclusive 选项不仅用于在节点上专门运行作业，这对我来说是新的。这对于其他 slurm 初学者来说可能非常重要......谢谢！