本文旨在指导用户如何使用 SLURM（Simple Linux Utility for Resource Management）在多个输入文件上并行运行同一个 Python 脚本。文章详细解释了 SLURM 脚本的编写，包括资源申请、任务分配以及如何利用 srun 命令实现并行处理。同时，还介绍了 SLURM 任务数组的概念，并提供代码示例，帮助读者高效地利用集群资源完成任务。
利用 SLURM 并行处理多个文件
在科学研究和数据处理中，经常需要对大量文件执行相同的操作。如果每个文件处理时间较长，串行执行效率低下。SLURM 提供了强大的并行计算能力，可以有效地解决这个问题。本文将介绍如何使用 SLURM 在多个文件上并行运行同一个 Python 脚本。
理解 SLURM 资源分配
在使用 SLURM 之前，需要理解其资源分配机制。以下是一些关键参数：
- --nodes: 请求的节点数量。集群中每个节点的 CPU 数量取决于具体的硬件配置。
- --ntasks: 请求的总任务数量。
- --ntasks-per-node: 每个节点上运行的最大任务数量。如果指定了 --ntasks，则此参数表示每个节点上运行的最大任务数量；否则，表示每个节点上运行的任务数量。
- --cpus-per-task: 每个任务分配的 CPU 核心数。
为了避免节点资源超额分配，建议使用 --ntasks 和 --cpus-per-task 参数，根据实际情况合理分配资源。
使用 srun 命令并行执行任务
srun 命令用于在 SLURM 集群上启动并行任务。与 sbatch 不同，srun 会立即执行任务，而 sbatch 只是提交任务到队列。
以下是一个示例 SLURM 脚本，演示如何使用 srun 在多个文件上并行运行 Python 脚本：
#!/bin/bash
#SBATCH --nodes=8
#SBATCH --ntasks-per-node=128
INPUT_DIR='path/to/input/dir'
OUTPUT_DIR='/path/to/output/dir'
# 读取文件名到数组
INPUT_STEMS_FILE='/some/path/to/list/of/inputs.txt'
INPUT_STEMS=()
while IFS= read -r line; do
INPUT_STEMS+=("$line")
done < <(tr -d '\r' < INPUT_STEMS_FILE)
for j in $(seq 0 $((${#INPUT_STEMS[@]} - 1))); do
# 循环处理每个文件
# 轮询分配到节点 (0, 1, ..., 8, 0, 1, ...)
NODE_NUMBER=$((j % SLURM_NNODES))
# 动态生成文件名
INPUT_FILE_NAME="$INPUT_DIR/${INPUT_STEMS[$j]}.txt"
OUTPUT_FILE_NAME="$OUTPUT_DIR/$j.txt"
# 在一个节点上运行一个任务，使用轮询分配
srun -N1 -n1 -w ${SLURM_NODELIST: $NODE_NUMBER:1} python_script.py --input "$INPUT_FILE_NAME" > "$OUTPUT_FILE_NAME" &
done
wait代码解释：
睿拓智能网站系统-网上商城1.0免费版软件大小:5M运行环境：asp+access本版本是永州睿拓信息专为电子商务入门级用户开发的网上电子商城系统，拥有产品发布，新闻发布，在线下单等全部功能，并且正式商用用户可在线提供多个模板更换，可实现一般网店交易所有功能，是中小企业和个人开展个人独立电子商务商城最佳的选择，以下为详细功能介绍：1.最新产品-提供最新产品发布管理修改，和最新产品订单查看2.推荐产
- #SBATCH 开头的行是 SLURM 的指令，用于指定资源需求。
- INPUT_DIR 和 OUTPUT_DIR 分别是输入和输出文件的路径。
- 脚本首先读取包含输入文件名的列表文件，并将文件名存储到 INPUT_STEMS 数组中。
- for 循环遍历 INPUT_STEMS 数组，对每个文件执行以下操作：
- 计算节点编号 NODE_NUMBER，使用模运算实现轮询分配。
- 动态生成输入和输出文件名。
- 使用 srun -N1 -n1 -w ${SLURM_NODELIST: $NODE_NUMBER:1} 命令在一个节点上运行 Python 脚本。-N1 表示使用一个节点，-n1 表示运行一个任务，-w ${SLURM_NODELIST: $NODE_NUMBER:1}指定节点名称。${SLURM_NODELIST: $NODE_NUMBER:1}使用字符串截取，从SLURM分配的节点列表中提取指定节点。
- & 符号表示将任务放到后台运行。
- wait 命令等待所有后台任务完成。
注意事项：
- 确保 python_script.py 脚本能够正确处理单个输入文件，并生成相应的输出文件。
- 根据实际情况调整 --nodes 和 --ntasks-per-node 参数，以充分利用集群资源。
- 检查 $INPUT_DIR 和 $OUTPUT_DIR 变量是否设置正确。
- 如果 Python 脚本需要额外的依赖库，需要在 SLURM 脚本中加载相应的模块。
使用 SLURM 任务数组
SLURM 任务数组是另一种并行处理多个文件的有效方法。任务数组允许你创建一组相关的任务，每个任务处理不同的输入文件。
以下是一个使用任务数组的示例 SLURM 脚本：
#!/bin/bash
#SBATCH --array=0-99
INPUT_DIR='path/to/input/dir'
OUTPUT_DIR='/path/to/output/dir'
# Read the file names into an array
INPUT_STEMS_FILE='/some/path/to/list/of/inputs.txt'
INPUT_STEMS=()
while IFS= read -r line; do
INPUT_STEMS+=("$line")
done < <(tr -d '\r' < INPUT_STEMS_FILE)
# Get the task ID from the SLURM_ARRAY_TASK_ID environment variable
TASK_ID=$SLURM_ARRAY_TASK_ID
# Dynamically generate filename
INPUT_FILE_NAME="$INPUT_DIR/${INPUT_STEMS[$TASK_ID]}.txt"
OUTPUT_FILE_NAME="$OUTPUT_DIR/$TASK_ID.txt"
# Run the python script
python_script.py --input "$INPUT_FILE_NAME" > "$OUTPUT_FILE_NAME"代码解释：
- #SBATCH --array=0-99 指令创建了一个包含 100 个任务的任务数组，任务 ID 从 0 到 99。
- $SLURM_ARRAY_TASK_ID 环境变量包含了当前任务的任务 ID。
- 脚本使用任务 ID 动态生成输入和输出文件名。
- 每个任务独立运行 python_script.py 脚本，处理对应的输入文件。
注意事项：
- 任务数组会创建多个独立的 SLURM 任务，每个任务都有自己的资源分配。
- 任务数组适用于处理大量独立的文件，每个文件处理时间较短的情况。
- 需要根据实际情况调整 --array 参数，以匹配输入文件的数量。
总结
本文介绍了两种使用 SLURM 并行处理多个文件的方法：使用 srun 命令和使用 SLURM 任务数组。选择哪种方法取决于具体的应用场景和资源需求。通过合理配置 SLURM 脚本，可以充分利用集群资源，高效地完成并行计算任务。
