Slurm
Slurm（Simple Linux Utility for Resource Management）是一款开源的高性能计算（HPC）集群资源管理与作业调度系统，广泛应用于超算中心和科研机构。它负责在多节点计算集群中分配计算资源、管理作业队列并调度任务执行，支持拓扑感知调度、优先级策略配置及多用户并发管理，具有高可扩展性和容错能力。
时间轴 (近 90 天)
Slurm 和 PBS 是学术界高性能计算集群最主流的两种作业调度系统
OpenScience 可以将耗时较长的作业发送到 Modal、用户自有服务器或 Slurm/PBS 集群
Slurm（Simple Linux Utility for Resource Management）是学术界和国家级超算中心最广泛使用的开源作业调度系统
与Kubernetes的常驻服务模式不同，Slurm以批处理作业为基本单元，资源在作业存续期间独占，结束后立即释放
FLARE支持部署到Docker、Kubernetes和Slurm三种主流基础设施
Slurm的排队机制可能导致各方作业不能同步启动，FLARE对Slurm的支持需通过作业依赖或共享文件系统上的信号文件来同步各参与方的启动状态
同一份FLARE训练代码可在Docker Compose中通过本地网络通信、在K8s Pod间通过Service发现彼此、在Slurm作业节点间通过gRPC长连接交换模型更新
Slurm是由劳伦斯利弗莫尔国家实验室开发的开源集群管理和作业调度系统
SkyPilot是一个开源项目,提供统一的调度抽象层来管理Slurm、Kubernetes和云端GPU资源
ML团队的算力资源通常分散在Slurm集群、Kubernetes集群和云端GPU等多个互不相通的系统中
全部知识事实 (14)
Slurm支持拓扑感知作业调度功能，可用于优化GB200 NVL72系统的工作负载放置
90%待验证传统Slurm调度器以节点为基本单位分配资源，在NVL72架构下会导致资源碎片化和通信效率下降问题
85%待验证Slurm的topology plugin可以将NVL72的NVLink拓扑信息注入调度器，实现拓扑感知的分配决策
85%待验证相比默认调度策略，块调度可以将系统整体利用率提升15%-25%
60%待验证Slurm 和 PBS 是学术界高性能计算集群最主流的两种作业调度系统
50%待验证OpenScience 可以将耗时较长的作业发送到 Modal、用户自有服务器或 Slurm/PBS 集群
50%待验证同一份FLARE训练代码可在Docker Compose中通过本地网络通信、在K8s Pod间通过Service发现彼此、在Slurm作业节点间通过gRPC长连接交换模型更新
50%待验证FLARE支持部署到Docker、Kubernetes和Slurm三种主流基础设施
50%待验证Slurm（Simple Linux Utility for Resource Management）是学术界和国家级超算中心最广泛使用的开源作业调度系统
50%待验证与Kubernetes的常驻服务模式不同，Slurm以批处理作业为基本单元，资源在作业存续期间独占，结束后立即释放
50%待验证Slurm的排队机制可能导致各方作业不能同步启动，FLARE对Slurm的支持需通过作业依赖或共享文件系统上的信号文件来同步各参与方的启动状态
50%待验证Slurm是由劳伦斯利弗莫尔国家实验室开发的开源集群管理和作业调度系统
50%待验证SkyPilot是一个开源项目,提供统一的调度抽象层来管理Slurm、Kubernetes和云端GPU资源
50%待验证ML团队的算力资源通常分散在Slurm集群、Kubernetes集群和云端GPU等多个互不相通的系统中
50%