共享服务器的核心问题
课题组多人共用一台服务器时，最大的问题不是算力不够，而是资源争抢和环境冲突。
资源分配方案
| 团队规模 | CPU | 内存 | 存储/人 | 调度方式 |
|---|---|---|---|---|
| 3-5 人 | 32 核 | 128 GB | 1-2 TB | 手动协调 |
| 5-10 人 | 64 核 | 256 GB | 1-2 TB | Slurm 队列 |
| 10-20 人 | 96 核 | 512 GB | 2-4 TB | Slurm + 配额 |
| 20+ 人 | 128 核 | 512-1024 GB | 2-4 TB | Slurm + MIG |
Slurm 任务队列
Slurm 是 HPC 领域标准的任务调度系统。安装后用户通过 sbatch 提交任务，系统按优先级和配额自动分配资源。
- 每用户限制最大 CPU 核数（防独占）
- 公平调度（Fair Share）：按历史使用量动态调整优先级
- 支持 GPU 分区：A100 可通过 MIG 切分为多个独立实例
环境隔离方案
- Conda 环境：每人独立环境，
environment.yml可导出恢复 - Docker/Singularity：完全隔离的容器化环境
- Linux 用户组：每人独立账号 + home 目录，权限分级