有人成功随机化了 Slurm 节点分配吗？我们有一个由 12 个节点组成的小型集群，可供 1-8 人同时使用，处理各种大小/长度的作业。在测试我们新的 Slurm 设置时，如果没有其他用户同时处理交互式作业和批处理作业，作业总是转到分区中的第一个节点。有没有办法随机化这个调度？
似乎根据用户的时间线，他们可以始终获得相同的节点，这可能会掩盖硬件/配置中本来可见的问题。我们的节点始终是独占的，因此我们只考虑随机化节点级调度...
答案1
查看 slurm.conf 中的 Weight 设置
节点在调度方面的优先级。在所有其他条件相同的情况下，作业将被分配满足其要求的权重最低的节点。例如，可以将一组异构节点放入单个分区，以提高系统利用率、响应能力和能力。如果两者都能满足作业的要求，则最好分配较小的内存节点，而不是较大的内存节点。权重的单位是任意的，但应为具有更多处理器、内存、磁盘空间、更高处理器速度等的节点分配更大的权重。请注意，如果使用权重最低的节点无法满足作业分配请求，则将权重次低的节点集添加到考虑使用的节点集中（根据需要重复以获得更高的权重值）。如果您绝对想尽量减少分配给作业的较高权重节点的数量（以更高的调度开销为代价），请为每个节点指定一个不同的权重值，它们将被单独添加到考虑进行调度的节点池中。默认值为 1。
答案2
您可以将“LLN=YES”添加到分区。
LLN 将资源分配给负载最少的节点上的作业（基于空闲 CPU 的数量）。
答案3
我认为，如果不修改代码或提供自己的插件，就不可能随机分配节点。有很多方法可以影响给定作业将选择哪些节点，但没有一种方法是随机的。正如@Tux_DEV_NULL 所说，您可以使用权重来选择节点子集，但除非您随机更改权重，否则如果整个集群处于空闲状态，您仍然会一次又一次地选择同一个节点。我相信节点正常运行时间是最终的决胜因素。
如果您担心缺少配置错误或损坏的节点，则应使用节点健康检查脚本，该脚本使用 slurm.conf 中的 HealthCheckProgram 参数。您可以在此处找到一个好用的脚本： https://github.com/mej/nhc