分布式计算课程笔记-集群（cluster）

概念

节点 (node):指一台完整的主机，可以认为是服务器的别名。例 如:管理节点，计算节点，GPU 节点。
集群 (cluster)：一组节点 (node) 经过局域网互联形成的计算机群。 节点之间相互通信有比较低的延迟。

作业调度系统–SLURM

本质目标:在用户程序互不影响的条件下让各个程序按照指定的规则运行。
用户只需要提交任务，不需要实时盯着屏幕看，非常适合批处理或离线任务。

SLURM 方式一:提交式任务

1. 准备任务所需数据，将所有文件上传到一个目录中。
2. 编写 SLURM 脚本，申请合适计算资源。
3. 提交 SLURM 脚本(sbatch 命令)。
4. 检查任务状态(squeue)，检查任务是否会出错。
5. 等待运行结束(程序退出后任务立即结束)，验收结果。