05 · Slurm：提交、排队、释放
一个 Python 进程怎么申请？
| 参数 | 含义 |
|---|---|
--partition=i64m512u | 二期普通 CPU 分区 |
--nodes=1 | 使用一台计算节点 |
--ntasks=1 | 启动一个任务/进程 |
--cpus-per-task=8 | 为这个进程分配 8 个 CPU 核 |
--mem=16G | 每个节点总内存 16 GB，不是每核 16 GB |
--time=12:00:00 | 最长 12 小时；到时会终止，不保证自动保存模型 |
单进程训练不要用 --ntasks=8 代替 8 核，否则可能启动 8 份程序。申请多核也不会自动把 Python 变成多进程。
常用操作
登录节点，在本项目根目录：
mkdir -p logs
sbatch slurm/train_cpu.sbatch
squeue -r -u "$USER" -o '%.18i %.24j %.2t %.10M %.6C %R'-r 展开数组子任务，便于准确看有多少项。PD = 等待，R = 运行；最后一列是节点或等待原因。
把作业号换成自己的：
登录节点：
JOB_ID=123456
scontrol show job "$JOB_ID"
sacct -j "$JOB_ID" --format=JobID,State,Elapsed,AllocCPUS,MaxRSS,ExitCode提前不需要了，才执行下面的取消命令。数组主作业号会取消整组；scancel 123456_7 只取消该组索引 7。
登录节点：取消指定作业。
scancel "$JOB_ID"| 状态/操作 | 是否还占计算资源？ |
|---|---|
PENDING | 尚未分配计算资源 |
RUNNING，哪怕程序闲着 | 仍占资源；收费分区仍计费 |
COMPLETED / 取消后完全结束 | 自动释放 |
| 断开 SSH | 不能代替取消；sbatch 作业继续运行 |
为什么不能一次运行几百项？
可以提交多项，不等于可以同时运行全部。限制可能作用于 用户、账户、QoS、分区。
MaxTRESPerUser：例如用户最多同时分配多少 CPU/GPU。MaxSubmitJobsPerUser：待运行和运行中的作业数量上限。Priority/Resources：其他用户优先级或空闲资源不足。
登录节点：查询当前配置，部分内容可能受权限限制。
sinfo -o '%P %a %l %D %G'
scontrol show partition i64m512u
sacctmgr show assoc where user="$USER" format=Account,Partition,QOS
sacctmgr show qos format=Name,MaxTRESPerUser,MaxJobsPerUser,MaxSubmitJobsPerUser例如上限为 1024 核，每项 8 核，理论上最多 128 项同时运行；已有作业、内存、账户限制会进一步减少。这里是算例，不是对你当前权限的承诺。