SLURM作业数组：如何统计指定数组的失败与成功子作业数量？

SLURM 21.08版本确实没有直接提供统计数组作业成功/失败子作业数的内置环境变量，但可以通过SLURM自带的会计工具sacct实现无需自定义逻辑的统计，具体方法如下：

1. 统计成功子作业数量 #

针对指定的数组作业ID（示例中为12345），执行以下命令：

sacct -j 12345 --state=COMPLETED --format=JobID | wc -l

--state=COMPLETED会直接过滤出所有成功完成的子作业，wc -l统计结果行数即对应成功子作业的数量。

2. 统计失败子作业数量 #

同理，统计失败子作业只需替换状态参数：

sacct -j 12345 --state=FAILED --format=JobID | wc -l

补充：多状态联合统计 #

如果需要统计其他异常状态（如超时TIMEOUT、取消CANCELLED），可在--state参数中用逗号分隔多个状态：

# 同时统计失败和超时的子作业总数
sacct -j 12345 --state=FAILED,TIMEOUT --format=JobID | wc -l

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