服务器 Gind.cn

服务器问题集锦,包括 Linux(Ubuntu, Centos,Debian等)和Windows Server服务器

HPC集群(SLURM):build议build立一个安全稳定的系统的方法

我正在使用SLURM驱动的HPC集群,包含1个控制节点和34个计算节点,而且由于当前系统并不十分稳定,因此我正在寻找有关如何以某种方式构build这样一个集群的指南或最佳实践它变得更加稳定和安全。 而且要清楚的是,我并不是在寻找关于资源pipe理的详细答案,或者是其他的工具,但是对于非常基本的设置build议(见下面的“问题”)。 我目前的设置 1个控制节点 这台机器在/ usr / local / slurm上安装了slurm,并运行slurmctld守护进程。 导出完整的slurm目录(包括所有可执行文件和slurm.conf)。 34计算节点 这些机器将导出的slurm目录从控制节点挂载到/ usr / local / slurm并运行slurmd守护进程。 我不使用任何备份控制节点。 如果我们的控制节点丢失了,如果当前正在运行的作业能够存活,似乎总是一个运气问题,所以我正在寻找一种方法来创build一个更稳定的设置。 当前设置可能存在的问题 1)共享slurm目录。 我在网上找不到任何东西,如果这是一个好的或不好的做法,但由于slurmconfiguration文件必须在所有机器上相同,我想我可能会分享完整的slurm安装。 但是,当然,如果计算节点丢失,所有的文件也将变得不可用。 2)缺less备份控制节点。 这需要一个可以保存当前状态的共享NFS目录。 问题是,这个目录应该放在哪里? 当然,把它放在控制节点上是没有意义的,但是它应该在备份控制节点上吗? 或者在一个完全不同的机器上? 题 那么,是否有一些指导原则可以用来构buildHPC群集? 问题是,涉及到哪些不同types的节点,他们的工作是什么以及应该通过NFS共享什么样的数据,以及这些共享目录应该存活在哪里? 我也会很感激任何一种文学或教程,这些都指向了正确的方向。