Slinky 入门

#登录

ssh ubuntu@<跳板机IP>          # login pod,日常

login pod 无 sudo;装在非 /home 的东西会随 Pod 重启丢失。管理面:

ssh -p 2222 ubuntu@<跳板机IP>  # 登录节点主机

欢迎语若仍 NOT READY,等 校验 完成再投大作业。更早镜像可能 22/2222 对调,见 用户管理。

#看集群

sinfo

worker 常显示为 slinky-0、slinky-1…,分区 all;空闲应为 idle(忙则为 mix/alloc)。

#第一个作业

每节点 8 卡。必须申请 GPU,否则步骤内看不到卡:

srun --gpus=16 nvidia-smi -L

批处理脚本放 /home:

cat > /home/ubuntu/hello.sbatch <<'EOF'
#!/bin/bash
#SBATCH --job-name=hello
#SBATCH --nodes=2
#SBATCH --gres=gpu:8
#SBATCH --time=00:05:00
srun hostname
srun nvidia-smi -L
EOF

sbatch /home/ubuntu/hello.sbatch

输出在提交目录旁的 slurm-<jobid>.out。squeue 看排队,sacct 看历史。CLI 以 Slurm 文档 为准。

#交互

srun --nodes=1 --gres=gpu:1 --time=00:15:00 --pty bash

多机交互:先 salloc,再在分配里 srun。

#东西放哪

路径用途
/home脚本、数据、容器文件;全节点共享
/shared同盘公共数据集区
/local该 worker 本地 NVMe;跨作业可残留
/tmp本地 NVMe,作业结束删除

Python 优先容器,见 作业环境。容器细节见 容器。