Slurm控制器服务启动失败：单机部署Slurm 14.11.8遇报错求助

我之前在部署老版本Slurm时也碰到过类似的启动失败问题，针对你在Linux Mint 18.3上启动Slurm 14.11.8的slurmctld服务出现的exit-code报错，咱们可以按以下步骤逐步排查：

1. 查看详细错误日志 #

systemctl给出的报错信息太简略了，必须看具体的日志内容才能定位问题：

• 用systemd日志工具查看完整报错链：

  journalctl -xeu slurmctld.service
  

• 或者直接查看Slurm专属日志文件（路径可能因配置略有差异）：

  cat /var/log/slurm/slurmctld.log
  # 若路径不同，可尝试：cat /var/log/slurmctld.log
  

日志里通常会明确指出错误根源，比如配置文件语法错误、权限不足、端口冲突等。

2. 验证Slurm配置文件语法 #

slurm.conf的语法错误是最常见的启动失败原因，用官方提供的命令一键检查：

slurmctld -t

如果配置有问题，这个命令会直接输出错误行号和具体原因，比如节点名不匹配、参数值格式错误等。

3. 检查目录与文件权限 #

Slurm的运行用户（默认是slurm用户）需要对核心目录有读写权限：

• 控制节点状态目录：/var/spool/slurmctld
• 日志存储目录：/var/log/slurm（或对应配置的日志路径）

执行以下命令检查并修复权限：

# 先查看当前权限
ls -ld /var/spool/slurmctld /var/log/slurm
# 若属主不是slurm，修复权限
chown -R slurm:slurm /var/spool/slurmctld /var/log/slurm
# 状态目录需设为仅slurm用户可访问
chmod 700 /var/spool/slurmctld

4. 检查端口占用情况 #

Slurmctld默认使用6817端口，如果这个端口被其他进程占用，服务会启动失败。用以下命令排查：

ss -tulpn | grep 6817

如果输出有结果，说明端口被占用，可以杀掉对应进程，或者在slurm.conf中修改SlurmctldPort参数更换端口。

5. 确认Munge服务正常运行 #

Slurm依赖Munge进行节点间认证，单节点部署也必须确保Munge正常：

• 启动并启用Munge服务：

  systemctl start munge
  systemctl enable munge
  

• 检查Munge密钥文件权限（必须是600，属主为munge）：

  ls -l /etc/munge/munge.key
  

如果密钥文件不存在或权限错误，需要重新生成密钥并确保权限正确。

6. 检查依赖库完整性 #

Slurm 14.11.8是比较老的版本，可能依赖Ubuntu 16.04（Linux Mint 18.3基于此）的特定库，用以下命令检查是否有缺失：

ldd /usr/sbin/slurmctld | grep "not found"

如果有缺失的库，安装对应的系统包即可。

我之前碰到过的典型问题：一是slurm.conf里的SlurmctldHost参数写错成了主机FQDN而非短hostname，二是/var/spool/slurmctld的属主被误改成了root，修复后服务就正常启动了。

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