使用K8s一键部署Slurm集群

项目： -》 From GRomR1 -》 它又是 From Data Driven HPC 但是这货已经404了。

构建镜像

1. 基础镜像

cd ./docker-images/slurmbase
docker build -t tsjsdbd/slurmbase .

2. worker镜像

cd ./docker-images/slurmd
docker build -t tsjsdbd/slurmd .

3. head镜像

cd ./docker-images/slurmctld
docker build -t tsjsdbd/slurmctld .

使用k8s启动Slurm集群

修改slurm-master.yaml和 slurmd.yaml中镜像地址，然后创建以下4个对象：

kubectl create -f ./slurm-master-svc.yaml
kubectl create -f ./slurmd-svc.yaml
kubectl create -f ./slurm-master.yaml
kubectl create -f ./slurmd.yaml

默认4个slurm节点(容器)

如何使用

登录到master容器里面

kubectl get pod
kubectl exec -it slurm-master-7946898f57-kn8wt /bin/bash
su ddhpc
sinfo

单机启动slurm集群

使用docker-compose在本机启动多个容器（注：先安装docker-compose）

cd ./docker-compose
docker-compose up -d

如何使用

docker-compose ps
docker exec -it docker-compose_slurmctld_1 /bin/bash
sinfo -lN

删除

docker-compose down

调整slurm节点数量

1. 环境变量 SLURM_NODE_NAMES 当前为 slurmd-[0-4]，可以设大一点
2. slurmd 的副本数，参数设置 replicate=10 就有10个worker节点

原理

创建了：

1. slurmctld 使用了 deployment
2. slurmctld -> Headless Service （使得slurmd可以通过master-name获得pod ip）
3. slurmd 使用了 StatefulSet （使得每个pod的 hostname结尾 0-N 格式）
4. slurmd 给一个 Headless Service （使得slurmctld可以通过slave-name获得pod ip）