Slurm提交依赖作业异常：后序合并结果作业始终无法运行求助

问题根源 #

你的依赖字符串格式错误，是slurmids变量拼接逻辑导致的：

• 初始化时slurmids为空值，第一次循环拼接$slurmids:$(sbatch...)时，得到的结果是:<第一个作业ID>，后续拼接完的完整字符串开头会多一个多余的冒号。
• Slurm无法识别开头带冒号的依赖ID列表，会判定依赖格式无效，因此永远不会触发后续的合并作业。

修复方案 #

1. 修正ID拼接逻辑 #

把循环里的ID拼接部分改成如下逻辑，避免开头多余的冒号：

slurmids="" # storage of slurm job ids
for k in $(seq 1 $nb_partitions)
do
      cd results/partition$k/MainFolder
      # Write parameters to files within the main folder so they can be read into FORTRAN
      echo "$nb_partitions" >> nb_partitions.txt
      echo "$nb_threads" >> nb_threads.txt
      # 先获取当前提交的作业ID
      curr_id=$(sbatch --parsable --cpus-per-task=$nb_threads run.sh)
      # 拼接时判断是否为第一个ID，避免前缀多余冒号
      if [ -z "$slurmids" ]; then
          slurmids="$curr_id"
      else
          slurmids="$slurmids:$curr_id"
      fi
      cd ../../..
done

2. 其他可选排查项 #

如果修改后问题仍然存在，可以检查以下两点：

• 确认循环中每个sbatch提交都返回了合法的作业ID：可在循环中加一行echo $curr_id打印输出，排查是否有提交失败的报错信息混入了slurmids列表。
• 确认你的业务逻辑是否允许前置作业失败后仍执行合并：afterok依赖要求所有前置作业的退出状态码为0，如果有任意一个作业运行失败、被手动取消，依赖都会永久无法满足，这种场景可以把依赖类型改成afterany。

内容的提问来源于stack exchange，提问作者Tim de Silva