首次运行Slurm作业遇SSH报错及二者关联问题咨询

问题分析 #

你的脚本和可执行文件没调用SSH，但Slurm集群在调度、启动作业的过程中，内部可能依赖SSH完成节点间的任务分发、资源同步等操作，因此会触发SSH相关的权限或验证错误。以下是具体解决步骤：

1. 修复主目录与.ssh目录的权限 #

SSH对目录权限有严格限制，权限过宽会被拒绝访问：

• 主目录权限需设为700或755（禁止使用777）：

  chmod 700 ~
  

• .ssh目录必须设置为700：

  chmod 700 ~/.ssh
  

• 若.ssh下存在authorized_keys文件，权限设为600；known_hosts文件设为644：

  chmod 600 ~/.ssh/authorized_keys
  chmod 644 ~/.ssh/known_hosts
  

2. 生成并配置SSH密钥对 #

Slurm集群通常需要无密码SSH登录节点，需完成密钥对生成与授权：

• 生成密钥对（推荐更安全的ed25519类型）：

  ssh-keygen -t ed25519
  

  全程按回车使用默认设置，不要设置密码（若设置密码，作业启动时会因需要输入密码而停滞，需额外配置密钥代理）。
• 同步公钥到计算节点：
  若集群使用共享文件系统，公钥会自动同步到所有节点，无需额外操作；若没有共享文件系统，使用ssh-copy-id命令：

  ssh-copy-id your_username@computenode_name
  

  替换your_username和computenode_name为实际用户名与计算节点名称。

3. 解决主机密钥验证失败问题 #

错误中的Host key verification failed是因为节点主机密钥未被信任，执行以下命令将计算节点的主机密钥加入信任列表：

ssh-keyscan computenode_name >> ~/.ssh/known_hosts

若不清楚具体计算节点名称，可联系管理员获取集群节点列表，或批量扫描所有节点密钥。

4. 验证SSH连通性 #

手动测试无密码登录计算节点：

ssh computenode_name

若能直接登录且无需输入密码，说明SSH配置正确，此时重新提交Slurm作业即可。

额外建议 #

若上述操作后问题仍存在，联系集群管理员确认：

• 集群是否启用LDAP、Kerberos等集中认证服务，是否需要额外配置
• Slurm的UsePAM等相关配置是否有特殊要求

内容的提问来源于stack exchange，提问作者bob.sacamento