Slurm 常用命令
sbatch xxx.sh— 提交作业
squeue -a— 查看运行中的作业
scancel <作业id>— 取消作业
sinfo— 显示队列或节点状态
服务异常处理（需要 root 权限）
sinfo 卡住或 slurm 作业系统无法运行：
节点状态恢复
状态 down，恢复上线：
作业卡住的处置流程
- 停止服务
- 手动运行一次带 -i 的 slurmctld（让它读取状态，发现坏作业，杀掉它们，然后自己退出或手动停止）
这里的
-D 是前台运行，你会看到它杀掉 Job xxx 的日志（你的作业 id）：当看到日志显示
Cancelling job xxxx 或类似信息，且服务没有报错退出时，按 Ctrl+C 停止它。- 正常启动服务
节点 drain 状态处理
节点状态为 drain（dran），按需置为 DOWN（例行维护）或恢复上线：
- 手动置为 DOWN（例如例行维护）：
- 恢复上线（resume）：
- 置为 idle（恢复可用）：
- 作者:sky12378
- 链接:https://a.111103.xyz/article/slurm-operations
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
