SLURM 高可用性头节点
SLURM Highly Availability Head Node
根据 https://slurm.schedmd.com/quickstart_admin.html#HA，SLURM 的高可用性是通过部署第二个 BackupController 实现的，它在主服务器发生故障时接管并从共享文件系统（可能是 NFS）检索当前状态。
我认为这有很多缺点。例如。这将服务器总数限制为两个，第二个服务器可能几乎没有被使用。
这是使用 SLURM 获得高可用头节点的唯一方法吗？
我想做的是经典的 3 层设置：第一层的负载均衡器将所有请求均匀分布在第二层的节点上。这要求头节点是无状态的。第三层是存储或读取所有信息的数据库层。我对 SLURM 的内部结构一无所知，我不确定这是否可能实现。
在目前的设计中，控制器内部状态在内存中，Slurm 定期将其保存到StateSaveLocation 配置参数指向的目录中的一组文件中。一次只有 slurmctld 的一个实例可以写入该目录。
将状态存储在数据库中的一个问题是资源分配中的可怕延迟，需要大量同步，因为最佳资源分配只能在完整信息的情况下完成。与当前仅对内存中的数组进行按位操作的解决方案相比，支持与 Slurm 现在可以处理的内存状态相同级别的吞吐量所需的基础设施将非常昂贵。
Is this the only way to get a highly available head node with SLURM?
您还可以使用 Corosync 管理单个 MasterController。但实际上 Slurm 只有 active/passive 个可用于 HA 的选项。
In my opinion this has a number of drawbacks. E.g. this limits the
total number of server to two and the second server is probably barely
used.
相对于当前的处理能力，控制器上的负载通常是非常合理的，资源分配问题不能简单地并行化（或无状态化）。通常，备份控制器位于一台机器 运行 另一台服务上。例如，在小型部署中，一台机器运行 Slurm 主控制器和其他服务（NFS、LDAP 等）等，而另一台机器是用户登录节点，它也充当辅助 Slurm 控制器。
根据 https://slurm.schedmd.com/quickstart_admin.html#HA，SLURM 的高可用性是通过部署第二个 BackupController 实现的，它在主服务器发生故障时接管并从共享文件系统（可能是 NFS）检索当前状态。
我认为这有很多缺点。例如。这将服务器总数限制为两个，第二个服务器可能几乎没有被使用。
这是使用 SLURM 获得高可用头节点的唯一方法吗？
我想做的是经典的 3 层设置：第一层的负载均衡器将所有请求均匀分布在第二层的节点上。这要求头节点是无状态的。第三层是存储或读取所有信息的数据库层。我对 SLURM 的内部结构一无所知，我不确定这是否可能实现。
在目前的设计中，控制器内部状态在内存中，Slurm 定期将其保存到StateSaveLocation 配置参数指向的目录中的一组文件中。一次只有 slurmctld 的一个实例可以写入该目录。
将状态存储在数据库中的一个问题是资源分配中的可怕延迟，需要大量同步，因为最佳资源分配只能在完整信息的情况下完成。与当前仅对内存中的数组进行按位操作的解决方案相比，支持与 Slurm 现在可以处理的内存状态相同级别的吞吐量所需的基础设施将非常昂贵。
Is this the only way to get a highly available head node with SLURM?
您还可以使用 Corosync 管理单个 MasterController。但实际上 Slurm 只有 active/passive 个可用于 HA 的选项。
In my opinion this has a number of drawbacks. E.g. this limits the total number of server to two and the second server is probably barely used.
相对于当前的处理能力，控制器上的负载通常是非常合理的，资源分配问题不能简单地并行化（或无状态化）。通常，备份控制器位于一台机器 运行 另一台服务上。例如，在小型部署中，一台机器运行 Slurm 主控制器和其他服务（NFS、LDAP 等）等，而另一台机器是用户登录节点，它也充当辅助 Slurm 控制器。