Slurm工作节点无法连接主节点 解析主节点hostname报错如何解决？

工作节点侧未配置主节点主机名ubu18gpu-210的解析规则：

• 主节点可以正常识别两台节点，是因为slurm.conf中已经显式配置了两个节点的NodeAddr静态IP，主节点读取配置即可直接获取IP无需走主机名解析
• 工作节点的slurmd进程启动后需要主动向SlurmctldHost参数指定的主节点主机名发起注册，此时工作节点本地没有该主机名到对应IP的映射关系，因此触发getaddrinfo解析失败报错
  你之前验证的IP互通、端口开放、时间同步均为正常必要条件，但遗漏了主机名解析层面的校验。

步骤1：验证解析问题 #

登录工作节点ubu18gpu-211，执行命令：

ping ubu18gpu-210

返回Name or service not known即可确认是解析故障。

步骤2：配置主机名解析 #

小规模集群推荐直接修改主机映射文件，操作如下：

1. 分别登录主节点和工作节点，编辑/etc/hosts文件，在末尾添加两行记录：

192.168.23.210 ubu18gpu-210
192.168.23.211 ubu18gpu-211

2. 配置完成后在工作节点再次执行ping ubu18gpu-210，确认可以正常解析到IP并通网。

步骤3：重启服务验证 #

在工作节点执行命令重启slurmd服务：

systemctl restart slurmd

查看slurmd运行日志确认无报错后，回到主节点执行scontrol show nodes ubu18gpu-211，可观察到SlurmdStartTime字段已更新为最新启动时间，节点状态正常，集群可正常调度作业。

内容的提问来源于stack exchange，提问作者Alex