SLURM中lscpu与slurmd -C结果不符，无法使用全部CPU的解决咨询

问题背景 #

系统硬件实际为4核CPU（lscpu输出确认）：

Architecture:             x86_64
  CPU op-mode(s):         32-bit, 64-bit
  Address sizes:          45 bits physical, 48 bits virtual
  Byte Order:             Little Endian
CPU(s):                   4
  On-line CPU(s) list:    0-3
Vendor ID:                GenuineIntel
  Model name:             13th Gen Intel(R) Core(TM) i7-1360P
    CPU family:           6
    Model:                186
    Thread(s) per core:   1
    Core(s) per socket:   1
    Socket(s):            4
    Stepping:             2

但SLURM的slurmd -C仅识别1个CPU：

CPUs=1 Boards=1 SocketsPerBoard=1 CoresPerSocket=1 ThreadsPerCore=1

手动在slurm.conf设置CPUs=4后节点状态变为INVAL，无法正常工作，而OpenMPI可正常使用全部4核。系统存在1个NUMA节点包含0-3号CPU，hwloc 2.x版本中Ignore_NUMA参数无效。

解决方法 #

1. 调整SLURM资源选择配置 #

修改slurm.conf，指定资源选择类型为按核心分配，并明确核心数量：

SelectType=select/cons_res
SelectTypeParameters=CR_Core
CPUs=4
CoreSpecCount=4

修改完成后重启SLURM服务：

systemctl restart slurmd slurmctld

2. 自定义hwloc拓扑配置（适配2.x版本） #

创建或编辑/etc/slurm/hwloc.conf，手动定义符合实际硬件的拓扑结构，绕开错误的socket探测：

<topology>
  <object type="Machine" id="0">
    <object type="NUMANode" id="0">
      <object type="Core" id="0">
        <object type="PU" id="0"/>
      </object>
      <object type="Core" id="1">
        <object type="PU" id="1"/>
      </object>
      <object type="Core" id="2">
        <object type="PU" id="2"/>
      </object>
      <object type="Core" id="3">
        <object type="PU" id="3"/>
      </object>
    </object>
  </object>
</topology>

保存后重启SLURM服务，执行slurmd -C验证CPU识别情况。

3. 检查并修正Cgroup配置 #

确认SLURM的Cgroup配置未限制CPU访问，slurm.conf中相关配置参考：

CgroupPlugin=cgroup/v2
CgroupMountpoint=/sys/fs/cgroup
CgroupAutomount=yes
# 若存在CgroupCPUMask，设置为实际CPU范围
CgroupCPUMask=0-3

移除错误的CPU掩码限制，重启服务生效。

4. 重置SLURM节点状态缓存 #

删除SLURM的节点状态缓存文件，强制重新探测硬件：

rm -rf /var/lib/slurm/node_state
systemctl restart slurmd

内容的提问来源于stack exchange，提问作者WooYoung Jung