【Slurm集群在centos7上的搭建】

啊罗~

已于 2024-07-24 17:05:42 修改

阅读量1k

点赞数 24

文章标签：服务器 linux centos 开源

于 2024-07-09 22:36:45 首次发布

本文链接：https://blog.csdn.net/weixin_48659060/article/details/140301324

版权

Slurm集群在centos7上的部署

集群基本情况

集群基本情况如下表所示：

节点名称	节点IP	节点描述
master	192.168.242.130	管理节点、存储节点
node1	192.168.242.130	计算节点
node2	192.168.242.130	计算节点

系统版本如下所示：

//查询centos版本
cat /etc/redhat-release

1. 前期准备工作

1.1更改主机名

vim /etchostname
//删除原有主机名，更改为所需主机名（master node1 ...）
//保存并退出
:wq
//重启主机
reboot

1.2关闭防火墙

systemctl stop firewalld
systemctl disable firewalld

1.3关闭slinux

//查看状态
sestatus 
vim /etc/selinux/config
//将SELINUX=  后面改为disabled
//重启系统
reboot

2.网络配置

2.1配置IP
查看网络，使用生效的网卡进行配置。

ip a
vim /etc/sysconfig/network-scripts/ifcfg-ens33
//添加内容：将BOOTPROTO="hdpc"修改为BOOTPROTO="static"；并在末尾添加
IPADDR=192.168.242.130
NETMASK=255.255.255.0
GATEMASK=192.168.242.2
DNS1=114.114.114.114
//保存并退出
:wq

//重启网络
service network restart
//检查网络通畅性
ping baidu.com

2.2配置hosts

vim /etc/hosts
//添加如下内容
192.168.242.130   master
192.168.242.133   node1
192.168.242.134   node2
//保存并退出
:wq

将hosts的内容拷贝给其他节点

scp -r /etc/hosts root@node1:/etc/
scp -r /etc/hosts root@node2:/etc/

2.3ssh免密配置

ssh-keygen -t rsa 
//一路回车直到生成密钥

发给自己一份密钥

ssh-copy-id -i 192.168.242.130

发给其他节点密钥

ssh-copy-id -i node1
ssh-copy-id -i node2

验证免密是否成功

ssh node1
ssh node2

不用输入密码直接登录到其他主机代表成功

3.NTP时间同步配置

网络时间协议（Network Time Protocol，NTP）是一种用于在计算机系统之间同步时间的协议。通过使用NTP，系统可以从高精度的时间源（如原子钟或GPS系统）获取准确的时间，并在网络中传播这种时间信息，以确保所有设备的时钟保持一致。NTP的重要性在于，它帮助维护系统时间的精确性和一致性，减少由于时间差异引起的各种问题。

在SLURM（Simple Linux Utility for Resource Management，SLURM）环境中，NTP的作用尤为关键。SLURM通过使用NTP来确保所有计算节点的时间同步，使得SLURM可以有效地调度和管理计算资源，准确地记录作业的开始和结束时间，提供精确的作业运行统计数据，并减少由于时间不同步引起的调度错误和资源冲突问题。这对于高效、安全地运行大型计算任务至关重要。

//所有节点安装ntp，并启动其服务
yum -y install ntp
//master对计算节点远程安装
for node in node1 node2; do echo "Installing ntp on $node"; ssh root@$node "yum -y install ntp"; done
//安装完毕之后，启动服务
systemctl start ntpd.service
systemctl enable ntpd.service
for node in node1 node2; do echo "$node："; ssh root@$node "systemctl start ntpd.service"; done
for node in node1 node2; do echo "$node："; ssh root@$node "systemctl enable ntpd.service"; done

管理节点作为ntpserver

vim /etc/ntp.conf
//添加如下内容
restrict 192.168.242.0 mask 255.255.255.0

启动NTP服务，并查看其状态

systemctl restart ntpd
ntpstat
ntpq -p

具体情况如下图所示，即为成功。

计算节点以管理节点作为参照，注视掉外网时间。

vim /etc/ntp.conf
//注释掉server 1.centos.pool.ntp.org这种的四行，后添加
server 192.168.242.130

修改情况如下：

验证如下：

systemctl restart ntpd
ntpq -p

出现如下图所示即可。

将节点时区修改为中国：

timedatectl set-timezone Asia/Shanghai
for node in node1 node2; do echo "$node"; ssh root@$node "timedatectl set-timezone Asia/Shanghai"; done

此时，各个节点的时间是同步且处于中国时区的。

在这里插入图片描述

至此，NTP已经初步配置完成。

4.NFS共享目录配置

网络文件系统（Network File System，NFS）是一种允许不同计算机通过网络共享文件和目录的协议。它使得用户可以像访问本地存储一样访问远程存储，简化了文件共享和数据管理的过程。NFS广泛应用于各种网络环境中，特别是需要高效、统一的文件存取的地方，如企业网络和高性能计算集群。

在SLURM环境中，NFS扮演着重要的角色。NFS通过提供一个统一的文件系统，使得SLURM的计算节点可以共享输入数据、输出结果和应用程序文件，提高了资源利用效率和数据管理的一致性。

管理节点

mkdir -p /public
chmod 755 /public
vim /etc/exports添加下述内容
/public *(rw,sync,insecure,no_subtree_check,no_root_squash)

//启动服务
systemctl enable nfs
systemctl enable rpcbind
systemctl start nfs
systemctl start rpcbind
systemctl status nfs
systemctl status rpcbind

检查是否正常加载配置文件

showmount -e localhost

出现下图所示即可。

计算节点

下载NFS，并启动服务

yum install nfs-utils rpcbind  -y
systemctl enable nfs 
systemctl enable rpcbind
systemctl start nfs
systemctl start rpcbind

创建public，并对/etc/fstab文件进行配置。

mkdir /public
vim /etc/fstab
192.168.242.130:/public /public nfs rw,sync 0 0

挂载

mount -a

查看是否成功

df

出现下图所示，即可。

至此，NFS已经初步配置完成。

5.NIS用户管理配置

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。

管理节点

yum install ypserv ypbind yp-tools rpcbind -y
//nisdomainname命令建立临时域名，但重启会失效
nisdomainname sugon.com
//永久设置域名：
echo NISDOMAIN=sugon.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 sugon.com >> /etc/rc.d/rc.local
vim /etc/ypserv.conf添加
192.168.208.0/24           : *      : *         : none

启动服务：

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

检查：

rpcinfo -p localhost

计算节点：
基本配置：

yum install ypbind yp-tools rpcbind -y
echo NISDOMAIN=sugon.com>> /etc/sysconfig/network
echo /usr/bin/nisdomainname sugon.com >> /etc/rc.d/rc.local
echo domain sugon.com server master >> /etc/yp.conf
echo ypserver m1 >> /etc/yp.conf

修改/etc/nsswitch.conf文件，至下图所示：

修改/etc/sysconfig/authconfig文件，将USENIS修改为yes，至下图所示：

修改/etc/pam.d/system-auth文件，添加nis，至下图所示：

启用服务：

systemctl  start  ypbind 
systemctl enable  ypbind

测试：

yptest
ypwhich 
ypwhich -x

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。

6.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。

所有节点同步UID、GID：

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

查看munge id：

id munge

此时所有节点的mungeID是同步的：

管理节点

//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

启动服务：

systemctl daemon-reload
systemctl start rngd
systemctl enable rngd

所有节点

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

管理节点

//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@node1:/etc/munge/
scp -p /etc/munge/munge.key root@node2:/etc/munge/

所有节点:赋权、启动：

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

查看状态，如下图所示：

systemctl status munge

测试：
本地查看凭据

munge -n | unmunge

凭证基准测试

remunge

至此，MUNGE已经初步配置完成。

7.安装Mariadb数据库以及Slurm安装配置

7.1安装配置Mariadb及SlurmID配置

管理节点：

yum -y install mariadb-server
systemctl start mariadb
systemctl enable mariadb
mysql
>set password=password('81SLURM@@rabGTjN7');
>create database slurm_acct_db;
>quit
mysql -uroot -p'81SLURM@@rabGTjN7'
>create user slurm;
>grant all on slurm_acct_db.* TO 'slurm'@'localhost' identified by '123456' with grant option;
>flush privileges;
>quit

所有节点
创建slurm用户：

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

验证：

id slurm

7.2Slurm安装配置

所有节点

安装slurm依赖：

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

管理节点

制作rpm包：

wget https://download.schedmd.com/slurm/slurm-22.05.3.tar.bz2
yum install rpm-build -y
rpmbuild -ta --nodeps slurm-22.05.3.tar.bz2

编译制作完成后，可在目录/root/rpmbuild/RPMS/x86_64下得到rpm包：

计算节点

创建文件夹：

mkdir -p /root/rpmbuild/RPMS/

管理节点

传输文件：

scp -r /root/rpmbuild/RPMS/x86_64 root@node1:/root/rpmbuild/RPMS/x86_64
scp -r /root/rpmbuild/RPMS/x86_64 root@node2:/root/rpmbuild/RPMS/x86_64

所有节点

安装slurm：

cd /root/rpmbuild/RPMS/x86_64/
yum localinstall slurm-*

管理节点

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

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

for node in node1 node2; do echo "Copying to $node"; scp -r /etc/slurm/cgroup.conf root@$node:/etc/slurm/; done
for node in node1 node2; do echo "Copying to $node"; scp -r /etc/slurm/slurm.conf root@$node:/etc/slurm/; done

设置各节点文件权限：

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

管理节点

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

所有节点

systemctl start slurmd
systemctl enable slurmd

测试：

sinfo

出现下图所示，即可。

至此，Mariadb数据库以及Slurm已经配置完成。

附录

配置文件

slurm.conf：

#
# 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=jiqun1    #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=192.168.242.130  CPUs=1 CoresPerSocket=1 ThreadsPerCore=1 RealMemory=200 Procs=1 State=UNKNOWN
NodeName=node[1-2] NodeAddr=192.168.242.13[3-4]  CPUs=1 CoresPerSocket=1 ThreadsPerCore=1 RealMemory=200 Procs=1 State=UNKNOWN

################################################
#                  PARTITIONS                  #
################################################
PartitionName=compute Nodes=node[1-2] Default=YES MaxTime=INFINITE State=UP

slurmdbd.conf:

#
# 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