sbatch
将整个计算过程，写到脚本中，通过sbatch指令提交到计算节点上执行；
先介绍一个简单的例子，随后介绍例子中涉及的参数，接着介绍sbatch其他一些常见参数，最后再介绍GPU和MPI跨节点作业案例。
首先是一个简单的例子；
假设我们的计算过程为：在计算节点上运行hostname指令，那么就可以这么编写作业脚本；
#!/bin/bash
#SBATCH -o job.%j.out
#SBATCH -p C032M0128G
#SBATCH --qos=low
#SBATCH -J myFirstJob
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=1
hostname
假设上面作业脚本的文件名为job.sh，通过以下命令提交：
sbatch job.sh
随后我们介绍脚本中涉及的参数；
-o job.%j.out # 脚本执行的输出将被保存在当job.%j.out文件下，%j表示作业号;
-p C032M0128G # 作业提交的指定分区为C032M0128G；
--qos=low # 指定作业的QOS为low;
-J myFirstJob # 作业在调度系统中的作业名为myFirstJob;
--nodes=1 # 申请节点数为1,如果作业不能跨节点(MPI)运行, 申请的节点数应不超过1;
--ntasks-per-node=1 # 每个节点上运行一个任务，默认一情况下也可理解为每个节点使用一个核心，如果程序不支持多线程(如openmp)，这个数不应该超过1；
其中：
-p \
sacctmgr show ass user=`whoami` format=part |uniq
--qos 指定作业的服务质量 ，不同qos，作业排队的优先级和收费也不同，通过以下命令可以查询 每个用户在每个分区下可用的qos；
sacctmgr show ass user=`whoami` format=user,part,qos
通过以上命令可以查看不同qos的作业优先级、作业允许最大运行时间、每个用户最多可提交作业数、最多可用核心数。
除此之外，还有一些常见的参数；
--help # 显示帮助信息；
-A <account> # 指定计费账户；
-D, --chdir=<directory> # 指定工作目录；
--get-user-env # 获取当前的环境变量；
--gres=<list> # 使用gpu这类资源，如申请两块gpu则--gres=gpu:2
-J, --job-name=<jobname> # 指定该作业的作业名；
--mail-type=<type> # 指定状态发生时，发送邮件通知，有效种类为（NONE, BEGIN, END, FAIL, REQUEUE, ALL）；
--mail-user=<user> # 发送给指定邮箱；
-n, --ntasks=<number> # sbatch并不会执行任务，当需要申请相应的资源来运行脚本，默认情况下一个任务一个核心，--cpus-per-task参数可以修改该默认值；
-c, --cpus-per-task=<ncpus> # 每个任务所需要的核心数，默认为1；
--ntasks-per-node=<ntasks> # 每个节点的任务数，--ntasks参数的优先级高于该参数，如果使用--ntasks这个参数，那么将会变为每个节点最多运行的任务数；
-o, --output=<filename pattern> # 输出文件，作业脚本中的输出将会输出到该文件；
-p, --partition=<partition_names> # 将作业提交到对应分区；
-q, --qos=<qos> # 指定QOS；
-t, --time=<time> # 允许作业运行的最大时间，目前未名一号和生科一号为5天，教学一号为两天；
-w, --nodelist=<node name list> # 指定申请的节点；
-x, --exclude=<node name list> # 排除指定的节点；
其中-A指定计费账户，每个上机账号至少关联一个缴费账户(项目负责人持有)，用于作业计费，通常情况下，提交作业不需要指定账户，通过以下命令可以查询上机账号所关联的账户，如果一个上机账号对应了多个缴费账户，那么可以在提交作业时指定缴费账户；
sacctmgr show ass user=`whoami` format=account%15 |uniq
接下来是一个GPU作业的例子;
假设我们想要申请一块GPU卡，并通过指令nvidia-smi来查看申请到GPU卡的信息，那么可以这么编写作业脚本；
#!/bin/bash
#SBATCH -o job.%j.out
#SBATCH --partition=GPU
#SBATCH --qos=low
#SBATCH -J myFirstGPUJob
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=6
#SBATCH --gres=gpu:1
nvidia-smi
脚本中的一些参数说明如下
#SBATCH --partition=GPU # 作业提交的指定分区为GPU;
#SBATCH --gres=gpu:1 # 每个节点上申请一块GPU卡
最后是一个跨节点多核心的例子；
假设我们想用两个节点，每个节点32个核心来运行vasp，那么可以这么编写作业脚本；
#!/bin/bash
#SBATCH -o job.%j.out
#SBATCH --partition=C032M0128G
#SBATCH --qos=low
#SBATCH -J myFirstMPIJob
#SBATCH --nodes=2
#SBATCH --ntasks-per-node=32
# 导入MPI运行环境
module load intel/2017.1
# 导入MPI应用程序
module load vasp/5.4.4-intel-2017.1
# 生成 machinefile
srun hostname -s | sort -n >slurm.hosts
# 执行MPI并行计算程序
mpirun -n 64 -machinefile slurm.hosts vasp_std > log