5. 跑代码（Python）

注意

下文将从零开始运行一份Python代码，包括对GPU资源的申请。如果集群暂停服务或满载，可能无法完成。

5.1. 背景

集群提供了多个计算节点，每个节点有多块GPU。

如何分配使用呢？用Slurm。

Slurm：一个集群管理和作业调度系统，被全球超算广泛采用。

Job：任务，资源设置和程序，用于分配资源和运行。如：“Hi~ o(￣▽￣)ブ，Slurm！来两块显卡，跑这个代码。”

5.2. 跑代码

5.2.1. 登录服务器

登录成功后可以看到每日笑话，如图：

5.2.2. 获取例子文件

复制以下命令，在终端运行，这会下载例子文件。

wget -O ~/shared/hello_slurm.sh https://github.com/Lu-MPI/MPI-Server-Note/raw/main/hello_slurm.sh
wget -O ~/shared/hello_python.py https://github.com/Lu-MPI/MPI-Server-Note/raw/main/hello_python.py

可以通过命令 cat ~/shared/hello_slurm.sh 查看文件内容

可以通过命令 cat ~/shared/hello_python.py 查看文件内容

5.2.3. 运行代码

以下命令将会申请1个CPU和1个GPU，并运行hello_python代码。

cd ~/shared
sbatch hello_slurm.sh

如果看到输出：Submitted batch job xxxx。意味着你已经成功提交任务了！

5.2.4. 查看结果

用 squeue 命令查看任务运行状态。(例子会运行30秒)

例子会输出两个文件

~/shared/demo_slurm_python_output.txt Python程序保存的文件。
~/shared/hello_slurm_output.txt 输出重定向文件，程序中的print会输出到这里。可以在hello_slurm.sh中找到更多信息

更多细节请阅读刚才下载的例子文件，它们在你的用户目录下shared文件夹中。例如: /home/yourname/shared/

例子有两个文件 hello_slurm.sh和hello_python.py。

hello_slurm.sh 是启动脚本，可以通过修改它改变配置和要运行的文件
hello_python.py 是要运行的代码。

阅读这俩文件中的注释可以获得进一步的解释。

更多信息请阅读 Slurm 的文档。

5. 跑代码 （Python）