HPC@SIC KHU

1. 융합전공 HPC 서버 정보

1.1 HPC 사용을 위한 기초 정보

본 HPC 서버는 과학지능정보 융합전공 학생들과 관련 학과 교수, 연구원 등이 융합전공 과목 강의 중 실습과 관련 연구에 사용하실 수 있습니다. 계산 자원에 접근하려면 서버에 계정을 생성해야 하고, 이후 SSH를 이용해 서버에 접속해 사용하실 수 있습니다.

SSH로 접속한 리눅스 환경(UI)에서는 프로그램 코드 작성이나 짧은 테스트 작업을 수행하고, GPU 자원 사용을 포함해 계산량이 많은 작업은 Slurm을 이용해 계산 노드 자원을 할당받아 처리합니다. 계산 노드로의 SSH 접속은 Slurm 작업을 제출해 자원을 할당받은 다음에만 할 수 있습니다.

1.2 계정 생성하기

2. 사용방법

2.1 서버 접속하기

터미널에서 아래 명령어로 로그인 노드에 접속합니다.

[LOCAL_ID@localhost ~]$ ssh <USER_ID>@sichpc.khu.ac.kr
[USER_ID@sichpc ~]$

2.2 소프트웨어 사용하기

2.2.1 conda / mamba

해당 페이지에서는 python만을 언급하며, 그 외의 언어(java, R, 등)는 관리자에게 문의바랍니다. 사용자별 패키지 관리를 위해 conda 또는 mamba를 사용합니다.

[USER_ID@sichpc ~]$ mamba activate
(base) [USER_ID@sichpc ~]$

현재 사용할 수 있는 mamba 환경은 아래 명령어로 확인할 수 있습니다.

[USER_ID@sichpc ~]$ mamba info --envs
  Name  Active  Path
────────────────────────────────────────────────────
                /opt/shared/anaconda3
                /opt/shared/anaconda3/envs/default
  base  *       /opt/shared/miniconda3

3. Slurm 사용하기

3.1 개요

SSH로 접속한 로그인 노드(sichpc)에서는 코드 작성이나 짧은 테스트만 수행합니다. GPU를 포함한 계산량이 많은 작업은 Slurm을 통해 계산 노드(node01–04) 자원을 할당받아 실행해야 합니다. 계산 노드에 직접 SSH 접속하려면 Slurm으로 자원을 할당받은 뒤에만 가능합니다.

3.2 명령어

작업 흐름에 따라 자주 쓰는 명령어입니다. 아래 검색창으로 명령어·옵션을 필터링할 수 있습니다.

3.3 srun 예시

커맨드 라인에서 바로 실행하는 방식입니다. stdout·stderr가 터미널에 출력되며, job이 시작될 때까지 터미널을 사용할 수 없습니다. GPU 동작 확인이나 짧은 테스트에 적합합니다.

[USER_ID@sichpc ~]$ srun -J <jobname> -p <partition> -G1 <executable> [args ...]
# 예: srun -J gputest -p <partition> -G1 nvidia-smi
something may be printed out
[USER_ID@sichpc ~]$

3.4 salloc 예시

GPU 노드에서 대화형으로 작업할 때 사용합니다. 자원 할당 후 계산 노드에 SSH 접속하고, 작업이 끝나면 exit로 노드와 할당을 순서대로 해제합니다.

[USER_ID@sichpc ~]$ salloc -p <partition> -G1 -t 01:00:00
salloc: Granted job allocation 12346
[USER_ID@sichpc ~]$ ssh $SLURM_JOB_NODELIST
[USER_ID@node01 ~]$ nvidia-smi
[USER_ID@node01 ~]$ exit          # 계산 노드에서 빠져나오기
[USER_ID@sichpc ~]$ exit          # salloc 할당 해제
salloc: Relinquishing job allocation 12346

3.5 sbatch 예시

셸 스크립트로 job을 제출하는 방식입니다. stdout·stderr는 로그 파일로 저장되며, 제출 후에도 터미널을 계속 사용할 수 있습니다. #SBATCH 지시자로 스크립트 안에 옵션을 미리 지정할 수 있습니다.

아래 예시는 원주율을 계산하는 Python 스크립트를 계산 노드에서 10개(array job) 실행하고, 결과를 OUTPUT_<job_id>_<task_id>.log 파일로 저장합니다.

#!/usr/bin/env python
import numpy as np
import pandas as pd
import sys, os

def getenv(var, default=''):
    if var not in os.environ: return str(default)
    return os.environ[var]

jobId = int(getenv('SLURM_JOB_ID', 0))
jobSection = int(getenv('SLURM_ARRAY_TASK_ID', 0))
np.random.seed(jobId*1000+jobSection)

n = 100000
rx = np.random.uniform(-1, 1, n)
ry = np.random.uniform(-1, 1, n)
r2 = rx*rx + ry*ry
nIn = (r2<1).sum()

print(nIn, n, nIn/n*4)

#!/bin/bash

#SBATCH -J MYTESTJOB
#SBATCH -p <partition>
#SBATCH -o OUTPUT_%A_%a.log
#SBATCH -e OUTPUT_%A_%a.err

hostname

#source /opt/sw/anaconda3/etc/profile.d/conda.sh
source /opt/sw/miniconda3/etc/profile.d/conda.sh
mamba activate

python compute_pi.py

[USER_ID@sichpc ~]$ sbatch -a 0-9 script.sh
Submitted batch job 12345
[USER_ID@sichpc ~]$ squeue -u $USER
[USER_ID@sichpc ~]$ sacct -j 12345 --format=JobID,State,ExitCode