Slurm集群部署

一、环境准备

此次安装部署均在Esxi虚拟机上运行。系统采用通用稳定的centos7系统，移植到其他(linux)系统应该问题不大。软件服务器的Esxi虚拟机的创建部分就跳过了.

1.1服务器的配置

IP	主机名	配置	备注
192.168.0.23	master	4C/8G/80G	管理、存储节点
192.168.0.24	node01	4C/8G/80G	计算节点
192.168.0.25	node01	4C/8G/80G	计算节点

二、准备前的工作

2.1系统内核优化，使用脚本优化(每台都要执行,需要根据实际情况调整)

#!/bin/bash
#服务器一键优化工具

function define_check_network() {
    echo 主机名为`hostname -f`
    ping www.baidu.com -c 6
}
function define_yum () {
    #关闭selinux
        sed -i '/SELINUX/s/enforcing/disabled/' /etc/selinux/config
    #常用软件安装
        yum clean all
        yum -y install bash vim wget curl sysstat gcc gcc-c++ make lsof sudo unzip openssh-clients net-tools systemd rpm yum rsyslog logrotate crontabs python-libs centos-release p7zip file
#        yum -y update && yum -y upgrade
}
function define_tuning_services() {
        #关闭多余服务
        systemctl stop postfix firewalld chronyd cups
        #停止开机自启动
        systemctl disable postfix firewalld chronyd  cups
        echo "非关键系统服务已经关闭"
}
function define_tuning_kernel () {
#4.内核参数优化
    echo "内核参数优化"
        cp /etc/sysctl.conf /etc/sysctl.conf.bak
        cat /dev/null > /etc/sysctl.conf
cat >> /etc/sysctl.conf << EOF
##内核默认参数
kernel.sysrq = 0
kernel.core_uses_pid = 1
kernel.msgmnb = 65536
kernel.msgmax = 65536
kernel.shmmax = 68719476736
kernel.shmall = 4294967296
kernel.sem=500 64000 64 256
##打开文件数参数(20*1024*1024)
fs.file-max= 20971520
##WEB Server参数
net.ipv4.tcp_tw_reuse=1
net.ipv4.tcp_tw_recycle=1
net.ipv4.tcp_fin_timeout=30
net.ipv4.tcp_keepalive_time=1200
net.ipv4.ip_local_port_range = 1024 65535
net.ipv4.tcp_rmem=4096 87380 8388608
net.ipv4.tcp_wmem=4096 87380 8388608
net.ipv4.tcp_max_syn_backlog=8192
net.ipv4.tcp_max_tw_buckets = 5000
##TCP补充参数
net.ipv4.ip_forward = 1
net.ipv4.conf.default.rp_filter = 1
net.ipv4.conf.default.accept_source_route = 0
net.ipv4.tcp_syncookies = 1
net.ipv4.tcp_sack = 1
net.ipv4.tcp_window_scaling = 1
net.core.wmem_default = 8388608
net.core.rmem_default = 8388608
net.core.rmem_max = 16777216
net.core.wmem_max = 16777216
net.core.netdev_max_backlog = 262144
net.core.somaxconn = 65535
net.ipv4.tcp_max_orphans = 3276800
net.ipv4.tcp_timestamps = 0
net.ipv4.tcp_synack_retries = 1
net.ipv4.tcp_syn_retries = 1
net.ipv4.tcp_mem = 94500000 915000000 927000000
##禁用ipv6
net.ipv6.conf.all.disable_ipv6 =1
net.ipv6.conf.default.disable_ipv6 =1
##swap使用率优化
vm.swappiness=0
EOF
echo "系统参数设置OK"
}
function define_tuning_system () {
    #加一个防呆判断
    if [ ` cat /etc/fstab |grep noatime|wc -l` = 0 ]; then 
       echo "脚本首次执行"
    else
        echo "第二次执行脚本，请手动检查错误"
    exit 1
    fi
    #磁盘IO优化
        sed -i '/xfs/s/defaults/defaults,noatime/' /etc/fstab
    ##nproc设置仅适合centos6
    #sed -i 's/1024/65535/' /etc/security/limits.d/90-nproc.conf
    ##nproc设置仅适合centos7
        sed -i 's/4096/524288/' /etc/security/limits.d/20-nproc.conf
    #管理open files数量
        echo "*  soft nofile   1024000" >> /etc/security/limits.conf
        echo "*  hard nofile   1024000" >> /etc/security/limits.conf
    #管理最大进程数
        echo "*  soft nproc   1024000" >> /etc/security/limits.conf
        echo "*  hard nproc   1024000" >> /etc/security/limits.conf  
        echo "session    required    /lib64/security/pam_limits.so" >> /etc/pam.d/login
    #全局变量设置优化
        echo 'export TMOUT=600' >> /etc/profile
        echo 'export TIME_STYLE="+%Y/%m/%d %H:%M:%S"'  >> /etc/profile
        echo 'export HISTTIMEFORMAT="%F %T `whoami` "' >> /etc/profile
        echo 'unset MAILCHECK' >> /etc/profile
        sed -i '/HISTSIZE/s/1000/12000/' /etc/profile
        source /etc/profile
    #关闭日志无效输出
    echo 'if $programname == "systemd" and ($msg contains "Starting Session" or $msg contains "Started Session" or $msg contains "Created slice" or $msg contains "Starting user-" or $msg contains "Starting User Slice of" or $msg contains "Removed session" or $msg contains "Removed slice User Slice of" or $msg contains "Stopping User Slice of") then stop' >/etc/rsyslog.d/ignore-systemd-session-slice.conf
    systemctl restart rsyslog
    #权限优化
    #   echo 'umask 0022' >> /etc/profile
    #禁止Ctrl+Alt+Del重启
    rm -rf /usr/lib/systemd/system/ctrl-alt-del.target
    #修改运行级别
    systemctl set-default multi-user.target
    #关闭hugepage
    chmod +x /etc/rc.d/rc.local
    echo "echo never > /sys/kernel/mm/transparent_hugepage/enabled;" >> /etc/rc.d/rc.local
    echo "echo never > /sys/kernel/mm/transparent_hugepage/defrag;" >> /etc/rc.d/rc.local
    ##启用日志压缩
    sed -i 's/'#compress'/'compress'/' /etc/logrotate.conf
    ## ssh弱密码算法修复
    echo "Ciphers aes128-ctr,aes192-ctr,aes256-ctr" >> /etc/ssh/sshd_config
    ## 限制journal大小
    echo "SystemMaxUse=2048M" >> /etc/systemd/journald.conf
    echo "ForwardToSyslog=no" >> /etc/systemd/journald.conf
    echo "MaxFileSec=14day" >> /etc/systemd/journald.conf
    systemctl restart systemd-journald.service
    #系统别名设置
cat >> /etc/bashrc << EOF
##系统别名设置
alias vi='vim'
alias ls='ls -trlh --color=auto'
alias grep='grep --color=auto'
EOF
source /etc/bashrc
echo '系统别名设置完成'
}
function define_ntpdate1 () {
#本地时间同步
yum -y install ntpdate
echo "/usr/sbin/ntpdate -us ntp1.aliyun.com;hwclock -w;" >> /etc/rc.d/rc.local
##时区校正
timedatectl set-timezone Asia/Shanghai
ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && hwclock -w
##时间同步
/usr/sbin/ntpdate -us ntp1.aliyun.com;hwclock -w;
cat >> /var/spool/cron/root << EOF
##时间同步
0-59/20 * * * * /usr/sbin/ntpdate -us ntp1.aliyun.com;hwclock -w;
EOF
}
function define_update () {
## yum update
cat >> /var/spool/cron/root << EOF
#yum update software
45 00 * * * /usr/bin/yum -y install bash sudo ntpdate openssh openssl vim systemd rpm yum rsyslog logrotate crontabs curl; > /dev/null 2>&1;
EOF
}
function denfine_swap () {
cat  >> /var/spool/cron/root << EOF
## swap enable/disable
15 * * * *  /usr/sbin/swapoff -a && /usr/sbin/swapon -a;
EOF
}
function define_localhost () {
define_yum
define_tuning_services
define_tuning_kernel
define_tuning_system
define_ntpdate1
define_update
denfine_swap
}
function define_exit () {
echo '' > /tmp/one_key.sh
exit
}
 
while :
do
echo ""
echo "服务器一键优化脚本"
echo ""
echo ""
echo " 0) 检查服务器网络           1) 本地环境专用"
echo " 2) 退出脚本"
echo
read -p "请输入一个选项: " opmode
echo
case ${opmode} in
0) define_check_network;;
1) define_localhost;;
2) define_exit;;
*) echo "无效输入" ;;
esac

2.2修改主机名(每台机器都要执行，根据IP的规划命名)

hostnamectl set-hostname master
hostnamectl set-hostname node01
hostnamectl set-hostname node02

2.3 修改hosts(管理节点操作)

主节点上设置
vim /etc/hosts
//添加如下内容
192.168.0.23  master
192.168.0.24  node01
192.168.0.25  node02
//按:wq保存
将hosts文件scp到其他两个节点
scp -r /etc/hosts  root@node01:/etc/   输入密码
scp -r /etc/hosts  root@node02:/etc/   输入密码

2.4配置免密(管理节点操作)

//一路敲回车生成密钥
ssh-keygen -t rsa
//发一份密钥给自己
ssh-copy-id -i master
//发送到其他两个节点
ssh-copy-id -i node01
ssh-copy-id -i node02

2.5验证(管理节点操作)

ssh node01
ssh node02

2.6部署系统需要的软件库(每台都要执行，因为操作系统是最小化安装)

yum install -y rpm-build bzip2-devel openssl openssl-devel zlib-devel perl-DBI perl-ExtUtils-MakeMaker pam-devel readline-devel mariadb-devel python3 gtk2 gtk2-devel gcc make perl-ExtUtils* perl-Switch lua-devel hwloc-devel

2.7禁用防火墙(每台都要执行)

//查看防火墙状态
systemctl status firewalld
//禁用防火墙
systemctl stop firewalld
//开机禁止防火墙
systemctl disable firewalld

2.8部署时间同步(每台上都部署，如果有时间公司内网有时间服务器，同步公司内网时间服务器)

//部署chrony软件
yum install chrony -y
//修改配置文件
vim /etc/chrony.conf
   //添加以下内容，把原来的server centos开头的删掉
server time1.aliyun.com iburst
server time2.aliyun.com iburst
server time3.aliyun.com iburst
server time4.aliyun.com iburst
server time5.aliyun.com iburst
server time6.aliyun.com iburst
server time7.aliyun.com iburst
//启动、开机自启动、查看状态
systemctl start chronyd
systemctl enable chronyd
systemctl status chronyd
//查看时间同步情况
chronyc sources
210 Number of sources = 1
MS Name/IP address         Stratum Poll Reach LastRx Last sample               
===============================================================================
^* 203.107.6.88                  2   6   377    12   -760us[-1221us] +/-   22ms

三、部署NFS共享目录

3.1部署NFS软件(管理节点操作)

yum install nfs-utils rpcbind -y

3.2检查部署结果(管理节点操作)

rpm -qa nfs-utils rpcbind

3.3创建共享目录(管理节点操作)

mkdir -p /public
chmod 755 /public

3.3编辑配置(管理节点操作)

//打开配置文件
vim /etc/exports
//加入以下内容
/public *(rw,sync,insecure,no_subtree_check,no_root_squash)

3.4启动服务(管理节点操作)

//启动服务
systemctl enable nfs
systemctl enable rpcbind
systemctl start nfs
systemctl start rpcbind
systemctl status nfs
//查看配置文件是否正常
[root@master ~]# showmount -e localhost
Export list for localhost:
/public *

3.5计算节点部署(计算节点部署)

//部署命令
yum install nfs-utils rpcbind  -y
//设置开机启动nfs
systemctl enable nfs
//设置开机启动rpc协议
systemctl enable rpcbind
//启动nfs服务
systemctl start nfs
//启动rpc服务
systemctl start rpcbind
//创建文件位置
mkdir /public
//开启开机自动挂载
vim /etc/fstab
//添加以下内容
192.168.0.23:/public /public nfs rw,sync 0 0
//挂载
mount -a

3.6查看是否挂载成功(计算节点部署)

node01节点
[root@node01 ~]# df -Th 
Filesystem              Type      Size  Used Avail Use% Mounted on
/dev/mapper/centos-root xfs        79G  1.7G   78G   3% /
devtmpfs                devtmpfs  3.9G     0  3.9G   0% /dev
tmpfs                   tmpfs     3.9G     0  3.9G   0% /dev/shm
tmpfs                   tmpfs     3.9G  8.9M  3.9G   1% /run
tmpfs                   tmpfs     3.9G     0  3.9G   0% /sys/fs/cgroup
/dev/sda1               xfs      1014M  133M  882M  14% /boot
tmpfs                   tmpfs     799M     0  799M   0% /run/user/0
192.168.0.23:/public    nfs4       79G  1.7G   78G   3% /public

node02节点
[root@node02 ~]# df -Th 
Filesystem              Type      Size  Used Avail Use% Mounted on
/dev/mapper/centos-root xfs        79G  1.7G   78G   3% /
devtmpfs                devtmpfs  3.9G     0  3.9G   0% /dev
tmpfs                   tmpfs     3.9G     0  3.9G   0% /dev/shm
tmpfs                   tmpfs     3.9G  8.9M  3.9G   1% /run
tmpfs                   tmpfs     3.9G     0  3.9G   0% /sys/fs/cgroup
/dev/sda1               xfs      1014M  133M  882M  14% /boot
tmpfs                   tmpfs     799M     0  799M   0% /run/user/0
192.168.0.23:/public    nfs4       79G  1.7G   78G   3% /public

四、部署NIS用户管理

网络信息服务（Network Information Service，NIS）是一种用于集中管理网络中用户和组信息、主机名、邮件别名等数据的协议。通过NIS，系统管理员可以在一个中心位置管理用户账户和配置文件，简化了跨多个系统的用户管理工作，提高了网络的可维护性和安全性。NIS常用于需要集中管理用户和资源的大型网络环境中。

在SLURM环境中，NIS通过集中管理用户账户和权限，确保在整个计算集群中用户身份的一致性，简化了用户管理，减少了维护成本。

4.1部署nis服务并配置域名(管理节点操作）

//部署nis服务
yum install ypserv ypbind yp-tools rpcbind -y
//设置nisdomainname临时域名
nisdomainname steven.com
//设置永久域名
echo NISDOMAIN=steven.com>> /etc/sysconfig/network
//为了使每次重启之后域名都能生效需要将nisdomainname命令添加到rc.local文件中
echo /usr/bin/nisdomainname steven.com >> /etc/rc.d/rc.local
//添加需要解析IP段
vim /etc/ypserv.conf添加
192.168.0.0/24           : *      : *         : none

4.2启动服务(管理节点操作)

systemctl  start  ypserv 
systemctl  start  yppasswdd 
systemctl  start  rpcbind
//设置系统启动的时候自动启动，需要使用system enable命令手动进行设置：
systemctl enable  ypserv
systemctl enable  yppasswdd 
systemctl enable  rpcbind
/usr/lib64/yp/ypinit –m
//每次修改用户后，更新数据库 
make -C /var/yp 
systemctl restart rpcbind
systemctl restart yppasswdd
systemctl restart ypserv 

4.3计算节点部署

yum install ypbind yp-tools rpcbind -y
echo NISDOMAIN=steven.com>> /etc/sysconfig/network
echo /usr/bin/nisdomainname steven.com >> /etc/rc.d/rc.local
echo domain steven.com server master >> /etc/yp.conf
echo ypserver master >> /etc/yp.conf

4.4修改/etc/nsswitch.conf文件，至下图所示：（计算节点修改）

4.5修改/etc/sysconfig/authconfig文件，将USENIS修改为yes，至下图所示：（计算节点修改）

4.6修改/etc/pam.d/system-auth文件，添加nis，至下图所示：（计算节点修改）

4.6启动服务(计算节点启动)

systemctl  start  ypbind 
systemctl enable  ypbind 

4.7测试

ypwhich 
ypwhich -x
yptest

yptest中的用例3测试不通过没有关系。
至此，NIS已经初步配置完成。

五、Munge通信部署

MUNGE（MUNGE Uid ‘N’ Gid Emporium）是一种用于认证的工具，特别设计用于在分布式系统中验证用户的身份。MUNGE通过生成和验证带有加密签名的认证令牌，确保只有被授权的用户和进程才能访问系统资源。这种轻量级的认证机制具有高效、安全、易于配置的特点，广泛应用于高性能计算和集群环境中。
在SLURM环境中，MUNGE起到了至关重要的认证作用。SLURM利用MUNGE来验证提交作业的用户身份，确保只有合法用户才能提交和管理作业。通过这种机制，SLURM能够有效地防止未经授权的访问，保护计算资源和数据的安全。同时，MUNGE的高效性保证了认证过程不会成为系统性能的瓶颈，使得SLURM能够在大规模集群中高效运行。

5.1所有的节点同步UID、GID(所有节点部署)

groupadd -g 1108 munge
useradd -m -c "Munge Uid 'N' Gid Emporium" -d /var/lib/munge -u 1108 -g munge -s /sbin/nologin munge

5.2查看munge id(管理节点查看)

//查看主节点
id munge
//在主节点上查看node节点
for node in node01 node02; do echo "$node: ";ssh root@$node "id munge"; done

5.3查看所有节点的mungeID是同步

5.4部署生成熵池(管理节点部署)

//在管理节点上，生成熵池
yum install -y rng-tools
rngd -r /dev/urandom
//修改service参数
vim /usr/lib/systemd/system/rngd.service
//修改如下：
[service]
ExecStart=/sbin/rngd -f -r /dev/urandom

5.5启动服务(管理节点)

systemctl daemon-reload
systemctl start rngd
systemctl enable rngd

5.6部署munge服务(所有节点)

yum install epel-release -y
yum install munge munge-libs munge-devel -y

5.7密钥同步(管理节点操作)

//密钥同步
/usr/sbin/create-munge-key -r
dd if=/dev/urandom bs=1 count=1024 > /etc/munge/munge.key
scp -p /etc/munge/munge.key root@node01:/etc/munge/
scp -p /etc/munge/munge.key root@node02:/etc/munge/

5.8赋权、启动(所有节点)

chown munge: /etc/munge/munge.key
chmod 400 /etc/munge/munge.key
systemctl start munge
systemctl enable munge

5.9查看状态，如下图所示（所有节点）

systemctl status munge

5.10测试：本地查看凭据（管理节点）

//本地查看凭据
 
munge -n
 
//本地解码
 
munge -n | unmunge

//验证compute node，远程解码
 
munge -n | ssh node01 unmunge

5.11凭证基准测试

remunge

munge已经初步配置完成。

六、安装Mariadb数据库以及Slurm安装配置

6.1在master节点部署mysql(管理节点)

//yum安装mariadb数据库
yum -y install mariadb-server
//启动mariadb
systemctl start mariadb
systemctl enable mariadb
//输入mysql,第一次进去不需要密码，敲回车即可
mysql
//设置密码
>set password=password('Wang@023878');
//创建slurm需要的数据库名称
>create database slurm_acct_db;
//退出
>quit
//重新进入
mysql -uroot -p'Wang@023878'
//创建slurm需要的用户名
>create user slurm;
//给slurm用户授权
>grant all on slurm_acct_db.* TO 'slurm'@'localhost' identified by '123456' with grant option;
//刷新数据库并退出
>flush privileges;
>quit

6.2创建slurm用户(所有节点)

groupadd -g 1109 slurm
useradd -m -c "Slurm manager" -d /var/lib/slurm -u 1109 -g slurm -s /bin/bash slurm

6.3验证

id slurm

6.4Slurm安装配置，部署依赖（管理节点）

yum install gcc gcc-c++ readline-devel perl-ExtUtils-MakeMaker pam-devel rpm-build mysql-devel python3 -y

6.5管理节点制作rpm包（管理节点）

//下载slurm源码
wget https://download.schedmd.com/slurm/slurm-22.05.3.tar.bz2
//部署rpm制作包
yum install rpm-build -y
//制作sulrm的rpm安装包
rpmbuild -ta --nodeps slurm-22.05.3.tar.bz2

6.6编译制作完成后，可在目录/root/rpmbuild/RPMS/x86_64下得到rpm包（管理节点操作）

6.7把slurm的rpm包copy到nfs存储中public文件夹中，这样不用每一台去scp过去了(管理节点操作)

//进入此文件夹
cd /root/rpmbuild/RPMS
//复制一份到共享存储里面
cp -R x86_64/ /public/

6.8安装slurm

//管理节点部署
cd /root/rpmbuild/RPMS/x86_64
yum localinstall slurm-*
//计算节点部署
cd /public/x86_64
yum localinstall slurm-*

6.9修改配置文件slurm.conf以及slurmdbd.conf，并将slurm.conf传输至计算节点。

//配置文件复制并备份一份
cp /etc/slurm/cgroup.conf.example /etc/slurm/cgroup.conf
cp /etc/slurm/slurm.conf.example /etc/slurm/slurm.conf
cp /etc/slurm/slurmdbd.conf.example /etc/slurm/slurmdbd.conf
//给slurmdbd.conf文件授权（不授权后面的服务启动不了）
chown -R slurm:slurm /etc/slurm/slurmdbd.conf
chmod 600 /etc/slurm/slurmdbd.conf
//slurm.conf的配置内容如下
vim /etc/slurm/slurm.conf
########配置文件如下#######
#
# slurm.conf file. Please run configurator.html
# (in doc/html) to build a configuration file customized
# for your environment.
#
#
# slurm.conf file generated by configurator.html.
# Put this file on all nodes of your cluster.
# See the slurm.conf man page for more information.
#
################################################
#                   CONTROL                    #
################################################
ClusterName=steven    #集群名称
SlurmctldHost=master    #管理服务节点名称
SlurmctldPort=6817    #slurmctld服务端口
SlurmdPort=6818   #slurmd服务的端口
SlurmUser=slurm    #slurm的主用户
#SlurmdUser=root    #slurmd服务的启动用户

################################################
#            LOGGING & OTHER PATHS             #
################################################
SlurmctldDebug=info
SlurmctldLogFile=/var/log/slurm/slurmctld.log
SlurmdDebug=info
SlurmdLogFile=/var/log/slurm/slurmd.log
SlurmctldPidFile=/var/run/slurmctld.pid
SlurmdPidFile=/var/run/slurmd.pid
SlurmdSpoolDir=/var/spool/slurmd
StateSaveLocation=/var/spool/slurmctld

################################################
#                  ACCOUNTING                  #
################################################
AccountingStorageEnforce=associations,limits,qos  #account存储数据的配置选项
AccountingStorageHost=master    #数据库存储节点
AccountingStoragePass=/var/run/munge/munge.socket.2    #munge认证文件，与slurmdbd.conf文件中的AuthInfo文件同名。
AccountingStoragePort=6819    #slurmd服务监听端口，默认为6819
AccountingStorageType=accounting_storage/slurmdbd    #数据库记账服务

################################################
#                      JOBS                    #
################################################
JobCompHost=localhost      #作业完成信息的数据库本节点
JobCompLoc=slurm_acct_db    #数据库名称
JobCompPass=123456    #slurm用户数据库密码
JobCompPort=3306    #数据库端口
JobCompType=jobcomp/mysql     #作业完成信息数据存储类型，采用mysql数据库
JobCompUser=slurm    #作业完成信息数据库用户名
JobContainerType=job_container/none
JobAcctGatherFrequency=30
JobAcctGatherType=jobacct_gather/linux

################################################
#           SCHEDULING & ALLOCATION            #
################################################
SchedulerType=sched/backfill
SelectType=select/cons_tres
SelectTypeParameters=CR_Core

################################################
#                    TIMERS                    #
################################################
InactiveLimit=0
KillWait=30
MinJobAge=300
SlurmctldTimeout=120
SlurmdTimeout=300
Waittime=0

################################################
#                    OTHER                     #
################################################
MpiDefault=none
ProctrackType=proctrack/cgroup
ReturnToService=1
SwitchType=switch/none
TaskPlugin=task/affinity

################################################
#                    NODES                     #
################################################
NodeName=master NodeAddr=192.168.0.23  CPUs=1 CoresPerSocket=1 ThreadsPerCore=1 RealMemory=200 Procs=1 State=UNKNOWN
NodeName=node[01-02] NodeAddr=192.168.0.2[4-5]  CPUs=1 CoresPerSocket=1 ThreadsPerCore=1 RealMemory=200 Procs=1 State=UNKNOWN

################################################
#                  PARTITIONS                  #
################################################
PartitionName=compute Nodes=node[01-02] Default=YES MaxTime=INFINITE State=UP

//打开slurmdbd的配置如
vim /etc/slurm/slurmdbd.conf

##############slurmdbd.conf文件配置如下################
#
# slurmdbd.conf file.
#
# See the slurmdbd.conf man page for more information.
#
# Authentication info
AuthType=auth/munge     #认证方式，该处采用munge进行认证
AuthInfo=/var/run/munge/munge.socket.2     #为了与slurmctld控制节点通信的其它认证信息
#
# slurmDBD info
DbdAddr=master      #数据库节点名
DbdHost=master     #数据库IP地址
SlurmUser=slurm     #用户数据库操作的用户
DebugLevel=verbose  
LogFile=/var/log/slurm/slurmdbd.log     #slurmdbd守护进程日志文件绝对路径 
PidFile=/var/run/slurmdbd.pid     #slurmdbd守护进程存储进程号文件绝对路径
#
# Database info
StorageType=accounting_storage/mysql     #数据存储类型
StoragePass=123456     #存储数据库密码
StorageUser=slurm     #存储数据库用户名
StorageLoc=slurm_acct_db     #数据库名称

配置中slurmdbd.conf文件不授权，启动时就会报以下错误，红色的字体

[root@master slurm]# systemctl status  slurmdbd
● slurmdbd.service - Slurm DBD accounting daemon
   Loaded: loaded (/usr/lib/systemd/system/slurmdbd.service; disabled; vendor preset: disabled)
   Active: failed (Result: exit-code) since Wed 2024-07-31 11:10:02 CST; 2min 49s ago
  Process: 4790 ExecStart=/usr/sbin/slurmdbd -D -s $SLURMDBD_OPTIONS (code=exited, status=1/FAILURE)
 Main PID: 4790 (code=exited, status=1/FAILURE)

Jul 31 11:10:02 master systemd[1]: Started Slurm DBD accounting daemon.
Jul 31 11:10:02 master slurmdbd[4790]: slurmdbd: fatal: slurmdbd.conf not owned by SlurmUser root!=slurm
Jul 31 11:10:02 master systemd[1]: slurmdbd.service: main process exited, code=exited, status=1/FAILURE
Jul 31 11:10:02 master systemd[1]: Unit slurmdbd.service entered failed state.
Jul 31 11:10:02 master systemd[1]: slurmdbd.service failed.

6.10复制cgrop.conf和slurm.conf文件到node01和node02节点(管理节点操作)

for node in node01 node02; do echo "Copying to $node"; scp -r /etc/slurm/cgroup.conf root@$node:/etc/slurm/; done
for node in node01 node02; do echo "Copying to $node"; scp -r /etc/slurm/slurm.conf root@$node:/etc/slurm/; done

6.11设置各节点文件权限（所有的节点都要操作）

mkdir /var/spool/slurmd
chown slurm: /var/spool/slurmd
mkdir /var/log/slurm
chown slurm: /var/log/slurm
mkdir /var/spool/slurmctld
chown slurm: /var/spool/slurmctld

6.12启动服务

6.12.1管理节点启动服务(管理节点操作)

systemctl start slurmdbd
systemctl enable slurmdbd
systemctl start slurmctld
systemctl enable slurmctld

6.12.2所有的节点启动服务

systemctl start slurmd
systemctl enable slurmd

6.13验证测试，出现下图代表slurm部署完成

6.14查看所有的服务是否正常启动