SLURM集群执行srun module load命令提示找不到module文件问题问询

module不是独立的二进制可执行文件，是Lmod为shell注入的内置函数，仅在完成Lmod初始化的shell环境中可用。
srun默认不会加载用户的shell配置、也不会提前初始化Lmod环境，会直接尝试把module当作独立的二进制文件执行，自然会报找不到文件的错误。
额外说明：即使通过特殊方式用srun成功执行了module load，加载的环境也仅对本次srun启动的进程有效，不会持久化到节点上，后续新启动的作业进程仍需要重新加载模块。

• 方案1：通过作业脚本提交（最稳定，生产环境优先使用）
  编写作业脚本run_job.sh，示例内容如下：

  #!/bin/bash
  #SBATCH -N 2  # 申请2个节点
  #SBATCH -n 2  # 总进程数2
  
  # 加载系统全局配置完成Lmod初始化，部分集群需要替换为集群指定的Lmod初始化脚本路径
  source /etc/profile
  # 加载指定模块
  module load python/3.8.10
  
  # 后续所有srun启动的任务都会继承当前的模块环境，自动在两个节点上生效
  srun python --version
  

  提交作业即可：sbatch run_job.sh

• 方案2：临时测试用单行命令
  不需要写脚本的场景，直接用bash将初始化、加载模块、运行业务的逻辑打包执行：
  srun -n 2 bash -c "source /etc/profile && module load python/3.8.10 && 替换为你要实际运行的命令"

• 方案3：直接调用Lmod可执行文件
  先在交互式节点执行which lmod获取Lmod的可执行路径，例如得到路径为/usr/share/lmod/lmod/libexec/lmod，直接调用即可：
  srun -n 2 /usr/share/lmod/lmod/libexec/lmod load python/3.8.10 && 替换为你要实际运行的命令
  该方案兼容性较差，仅当前两种方案不可用时尝试。

内容的提问来源于stack exchange，提问作者rohit_r