如何查询Slurm作业阵列（9714509）中失败的任务编号？

我运行了一个Slurm作业阵列（编号9714509），结果显示为“Mixed, ExitCode [0-1]”失败状态。通过执行以下命令确认仅有一个任务失败：

$ sacct -n -X -j 9714509 -o state%20 | sort | uniq -c
     25            COMPLETED 
      1               FAILED 

由于逐个检查日志文件耗时太长，想知道是否有方法直接查询到失败的任务编号？

解决方案 #

• 直接查询包含失败任务ID的完整信息，执行命令：

sacct -n -j 9714509 -o jobid%20,state | grep FAILED

输出结果会显示类似9714509_XX的格式，其中_XX就是对应的失败任务序号。

• 若仅需获取纯任务序号（不含主作业ID前缀），可使用以下简洁命令：

sacct -n -X -j 9714509 -o jobid,state | awk '$2 == "FAILED" {print substr($1, index($1, "_")+1)}'

该命令通过awk提取出任务ID中_后的序号部分，直接得到失败任务的编号。

内容的提问来源于stack exchange，提问作者justinian482