راهنمایی در مورد راه اندازی کلاستر slurm

سلام دوست عزیز،

برای راه‌اندازی کلاستر SLURM روی لینوکس جهت پردازش‌های HPC، شما نیاز به یک نود مدیریتی (Controller/Head Node) و چند نود محاسباتی (Compute Nodes) دارید. روند کلی به این صورته:

۱. نصب و پیکربندی SLURM روی سرور مدیریتی

• سیستم‌عامل پیشنهادی: CentOS 7/8، Ubuntu 20.04+ یا Rocky Linux
• نصب بسته‌های موردنیاز:

  sudo apt update && sudo apt install -y slurm-wlm
  

  یا برای RHEL:

  sudo yum install -y slurm slurm-munge slurm-torque
  

• تنظیمات SLURM در فایل slurm.conf و تعیین سرور اصلی به‌عنوان کنترلر.

۲. نصب SLURM روی نودهای محاسباتی

• روی هر نود باید سرویس MUNGE و SLURM نصب و پیکربندی شود.
• تنظیمات همگام‌سازی شوند و slurmd.conf روی همه نودها قرار بگیرد.
• سرویس‌های SLURM و MUNGE در نودهای محاسباتی فعال شوند:

  systemctl start munge
  systemctl start slurmd
  

۳. تنظیم ارتباط بین نودها

• SSH بدون رمز عبور بین نود مدیریتی و نودهای محاسباتی تنظیم شود.
• NFS یا BeeGFS برای اشتراک فایل‌ها بین نودها راه‌اندازی شود.

۴. تست عملکرد کلاستر

• بررسی ارتباط بین نودها:

  sinfo
  

• اجرای تست:

  srun -N 2 hostname
  

اگر مشکلی داشتی، لاگ‌های SLURM رو بررسی کن:

journalctl -u slurmd -f