如何安装高斯计算服务器排队系统，安装教程？

高斯计算软件是量子化学领域广泛使用的工具,其计算任务通常需要消耗大量CPU和内存资源，在服务器或集群上部署高斯时，为了提高资源利用率和任务管理效率，必须安装排队系统（Job Scheduling System），排队系统能够管理作业提交、分配计算节点、监控作业状态，确保多个用户的高斯作业有序运行，避免资源冲突，实现自动化调度，本文将详细介绍高斯计算服务器排队系统的安装与配置过程，以常见的SLURM和PBS/Torque为例，涵盖从系统选型到作业脚本编写的完整步骤，并提供常见问题解决方案。

排队系统选型与对比

目前主流的排队系统有SLURM、PBS/Torque、SGE（Sun Grid Engine）以及HTCondor等，对于高斯计算，SLURM因其高性能、易扩展和社区活跃而成为首选，下表对比了三种常见系统的特点：

根据实际集群规模和管理需求,选择适合的排队系统，如果从零开始，推荐SLURM；如果已有PBS基础，可继续使用Torque，本文以SLURM为例进行安装说明，同时提供PBS的作业脚本示例。

安装SLURM排队系统（以Ubuntu 20.04为例）

安装前准备

确保所有节点（管理节点和计算节点）时间同步，并配置好主机名解析，安装依赖包：

sudo apt update
sudo apt install -y build-essential munge libmunge-dev libmunge2 
    libmysqlclient-dev libssl-dev libpam0g-dev libnuma-dev 
    perl libswitch-perl

Munge用于认证,必须安装并启动服务。

下载编译SLURM

从官网下载最新稳定版,解压后编译安装（各节点需相同版本）：

wget https://download.schedmd.com/slurm/slurm-23.02.6.tar.bz2
tar -xf slurm-23.02.6.tar.bz2
cd slurm-23.02.6
./configure --prefix=/usr/local/slurm
make -j$(nproc)
sudo make install

安装后,将/usr/local/slurm/sbin和/usr/local/slurm/bin加入PATH，并创建必要目录：

sudo mkdir -p /var/spool/slurm /var/log/slurm /var/run/slurm
sudo chown -R slurm:slurm /var/spool/slurm /var/log/slurm /var/run/slurm

配置Munge认证

Munge是SLURM必需的认证服务,在管理节点生成密钥，并复制到所有计算节点：

sudo /usr/sbin/mungekey -f
sudo chmod 400 /etc/munge/munge.key
sudo cp /etc/munge/munge.key /path/to/share/   # 复制到共享目录

在每个计算节点上,将密钥文件放置到/etc/munge/，并启动munge服务：

sudo systemctl enable munge
sudo systemctl start munge

配置SLURM主配置文件

编辑/usr/local/slurm/etc/slurm.conf（或/etc/slurm.conf），定义集群名称、分区、节点信息等，示例配置：

ClusterName=gaussian-cluster
ControlMachine=master
SlurmUser=slurm
SlurmctldPort=6817
SlurmdPort=6818
AuthType=auth/munge
StateSaveLocation=/var/spool/slurm/ctld
SlurmdSpoolDir=/var/spool/slurm/d
SlurmctldPidFile=/var/run/slurm/slurmctld.pid
SlurmdPidFile=/var/run/slurm/slurmd.pid
# 节点定义
NodeName=compute[01-08] CPUs=24 RealMemory=64000 Sockets=2 CoresPerSocket=12 ThreadsPerCore=1
PartitionName=normal Nodes=compute[01-08] Default=YES MaxTime=INFINITE State=UP

注意：需要根据实际硬件调整CPU和内存参数，高斯计算通常需要独占节点或指定CPU核心，可以设置Shared=NO或OverSubscribe=NO。

启动SLURM服务

在管理节点启动slurmctld,在所有计算节点启动slurmd：

sudo systemctl enable slurmctld
sudo systemctl start slurmctld
sudo systemctl enable slurmd   # 计算节点
sudo systemctl start slurmd

检查节点状态：sinfo应显示节点UP状态，使用sinfo -N查看详细。

配置高斯作业提交脚本

排队系统安装完成后,需要编写作业提交脚本（Job Script）来调用高斯计算，以下分别给出SLURM和PBS的脚本示例。

SLURM作业脚本示例

创建一个gaussian.slurm文件：

#!/bin/bash
#SBATCH -J Gaussian_Job         # 作业名称
#SBATCH -p normal               # 分区名称
#SBATCH -N 1                    # 节点数
#SBATCH -n 24                   # 总CPU核心数（与高斯并行设置一致）
#SBATCH --mem=64GB              # 内存需求（与高斯route相应）
#SBATCH -t 48:00:00             # 运行时间上限
#SBATCH -o %j.out               # 标准输出文件
#SBATCH -e %j.err               # 错误输出文件
# 加载高斯环境（根据实际安装路径修改）
export g09root=/opt/gaussian
source $g09root/g09/bsd/g09.profile
# 设置高斯临时目录（建议使用本地磁盘）
export GAUSS_SCRDIR=/scratch/$SLURM_JOB_ID
mkdir -p $GAUSS_SCRDIR
# 设置并行环境（SLURM自动提供MPI，但高斯需指定CPU数量）
export GAUSS_PDEF=$SLURM_NTASKS
# 运行高斯（输入文件为input.com，输出为output.log）
cd $SLURM_SUBMIT_DIR
g09 < input.com > output.log
# 清理临时文件
rm -rf $GAUSS_SCRDIR

提交作业：sbatch gaussian.slurm

PBS/Torque作业脚本示例

如果使用PBS,脚本类似：

#!/bin/bash
#PBS -N Gaussian_Job
#PBS -l nodes=1:ppn=24
#PBS -l mem=64gb
#PBS -l walltime=48:00:00
#PBS -o $PBS_JOBNAME.o$PBS_JOBID
#PBS -e $PBS_JOBNAME.e$PBS_JOBID
export g09root=/opt/gaussian
source $g09root/g09/bsd/g09.profile
export GAUSS_SCRDIR=/scratch/$PBS_JOBID
mkdir -p $GAUSS_SCRDIR
export GAUSS_PDEF=$PBS_NP
cd $PBS_O_WORKDIR
g09 < input.com > output.log
rm -rf $GAUSS_SCRDIR

使用qsub提交。

高斯计算排队系统的优化与注意事项

1. 临时目录设置：高斯计算会产生大量临时文件，建议使用计算节点的本地SSD（如/scratch），并设置GAUSS_SCRDIR环境变量，如果使用共享存储，需注意I/O瓶颈。

2. 并行核心数：高斯支持并行计算（通过%nprocshared或GAUSS_PDEF），排队系统分配的CPU核心数必须与高斯内部设置一致，避免资源浪费或内存不足，在route部分写%nprocshared=24，脚本中#SBATCH -n 24。

3. 内存管理：高斯使用%mem指定内存，排队系统申请的内存总量应略大于此值，以容纳系统开销，建议%mem不超过申请内存的90%。

   

4. 作业队列优先级：可通过设置qos或priority来区分作业优先级，确保紧急任务优先运行。

5. 环境变量传递：排队系统在提交节点上执行脚本，某些环境变量（如LD_LIBRARY_PATH）可能不会自动传递，需在脚本中显式导出，或使用--export选项（SLURM）。

6. 故障恢复：高斯长作业可能因节点故障中断，可利用排队系统的检查点（checkpoint）功能，但高斯本身不支持热检查点，因此建议定期备份chk文件并设置合理的作业时间限制。

常见问题与解决方法

问题1：提交作业后，队列显示作业一直处于等待状态，但节点空闲。
原因：可能资源请求超出节点可用资源，例如请求了64GB内存但节点只有32GB，也可能Partition配置错误，或节点处于DRAIN状态。
解决方法：检查sinfo输出，确认节点状态和分区信息；使用sinfo -o "%A %n %e %m %a"查看可用内存；调整作业资源请求，或联系管理员将节点设置为UP。

问题2：高斯作业报错“Segmentation fault”或“Out of memory”。
原因：内存不足，可能%mem设置过高，或排队系统分配的内存未正确传递，临时目录空间不足也可能导致程序崩溃。
解决方法：检查%mem是否超过%SBATCH --mem；使用ulimit -v查看进程限制；确保GAUSS_SCRDIR所在分区有足够空间（通常需要数倍于输入文件大小），可先测试小作业，逐步增加规模。

相关问答FAQs

问：如何查看高斯作业的实时运行状态和资源使用情况？

答：在SLURM系统中，可以使用squeue -j <jobid>查看作业的详细状态，包括运行节点、预计剩余时间等，使用sstat -j <jobid> --format=JobID,MaxRSS,MaxVMSize,CPUUsage查看实际资源消耗，对于PBS系统，使用qstat -f <jobid>和tracejob <jobid>，如果作业已运行，可以通过ssh登录到分配的计算节点，使用top或ps aux | grep g09监控高斯进程，建议在作业脚本中开启高斯的高性能日志（%CPU和%MEM），以便事后分析。

问：不同排队系统之间的作业提交命令差异很大，是否可以统一管理高斯作业的提交脚本？

答：可以使用作业提交包装器或门户工具实现统一接口，使用wrappers将SLURM的sbatch命令封装成与PBS类似的qsub命令，或者编写一个通用的Shell脚本，根据环境变量动态生成不同的作业脚本，另一种方法是使用集群管理平台如OpenHPC、Bright Cluster Manager，它们提供统一的作业提交界面，但最直接的方式是维护两套模板（SLURM和PBS），在不同系统间切换时仅修改脚本头部，对于经常使用高斯的研究组，建议固定使用一种排队系统，以减少学习成本。