术语表 · HPC 侧（调度、资源、环境）¶

读者：看到 squeue、NODELIST 这类输出不知道什么意思的人。前置：无。读完能做什么：看懂集群命令的输出，知道什么算正常。环境锚点：本机 Slurm 集群（控制 .16/.17、计算 .18/.19/.20）；来源 rainchen-env、lsf-simulation-env，核实日期 2026-10-13。

作业 job¶

一句话：你交给集群去做的一件活。
像什么：像去银行取号办业务；哪里不成立：取号后你必须在场，作业是你走开后集群替你办。
在本机：一个仿真点 = 一个作业，由 ADE-XL 逐个丢给 Slurm。
常见误解：以为提交完就在跑，其实可能一直在排队。

队列 queue（Slurm 叫分区 partition）¶

一句话：一组机器的分组，作业要进某个组才排队。
像什么：像食堂的不同窗口；哪里不成立：窗口是排一个队，队列是按优先级和资源匹配插队。
在本机：compile（1 天）/ regression（8 小时）/ long（3 天）；长仿真必须投 long。
常见误解：以为队列先进先出。

提交作业（Slurm 用 sbatch，LSF 用 bsub）¶

一句话：把写好的作业脚本交给调度器。
像什么：像把快递交给驿站；哪里不成立：交给驿站就一定寄出，交给调度器可能只是"排队中"。
在本机：本项目用 srun（前台阻塞），不用 sbatch——ADE-XL 要靠本地代理判断状态。
常见误解：以为提交成功就是开始跑。

查看作业状态（Slurm 用 squeue，LSF 用 bjobs）¶

一句话：看作业是排队还是运行中。
像什么：像查快递物流；哪里不成立：物流只有一条轨迹，这里一次能看到一屏作业。
在本机：squeue -u $USER。
常见误解：看错作业号，看到的是别人的作业。

查看作业详情（Slurm 用 scontrol show job，LSF 用 bjobs -l）¶

一句话：看作业跑在哪台机器、几点开始、为什么排队。
像什么：像订单的详细页；哪里不成立：详情里的时间不一定是预计完成时间。
在本机：我们主要看 squeue 的 NODELIST——判断有没有铺开到多台机。
常见误解：以为详情里的时间是预计完成时间。

取消作业（Slurm 用 scancel，LSF 用 bkill）¶

一句话：让调度器停掉作业。
像什么：像撤单；哪里不成立：撤单立刻生效，取消后资源要等调度器回收。
在本机：scancel <id>，禁通配（会误杀别人的作业）。
常见误解：以为取消就立即释放资源。

查看队列清单（Slurm 用 sinfo，LSF 用 bqueues）¶

一句话：看有哪些队列、各有多少机器和状态。
像什么：像看停车场各层的空位牌；哪里不成立：空位牌是实时空位，机器状态 UP 不代表有空闲资源。
在本机：四分区共 3 节点 × 8 CPU，全集群 24 核。
常见误解：把机器状态 UP 当成一定有空闲机器。

历史记账（Slurm 用 sacct，LSF 用 bacct）¶

一句话：查已结束作业的用量与退出状态。
像什么：像话费账单；哪里不成立：账单是事后统计，记账还能看到失败原因。
在本机：sacct。
常见误解：以为作业结束就查不到。

作业数组（Slurm 用 `--array`）¶

一句话：一次提交一批相似作业，只是编号不同。
像什么：像群发一条短信给一列号码；哪里不成立：群发同时到，数组里每个作业仍要各自排队。
在本机：本项目不用数组，由 ADE-XL 逐点派发。
常见误解：以为数组里每个作业都会立刻跑。

作业依赖（Slurm 用 `--dependency`，LSF 用 `-w`）¶

一句话：让一个作业等另一个完成再跑。
像什么：像接力赛等前一棒交棒；哪里不成立：接力棒一定传到，依赖的前置作业失败后不会自动重跑。
在本机：本项目未使用。

交互式作业（Slurm 用 srun，LSF 用 bsub -I）¶

一句话：占着一台机器直接敲命令，不进批处理队列。
像什么：像开一间自习室单独用；哪里不成立：自习室不受管理，交互式作业一样受队列与资源限制。
在本机：进计算节点清 X 锁时用：srun -p long -N1 -n1 -w <node> -t 00:05:00 bash。
常见误解：以为交互式不受队列限制。

模块 module（实现是 Lmod）¶

一句话：一组切换工具版本的环境变量，加载后命令才找得到。
像什么：像把工具箱搬到手边；哪里不成立：搬箱子是物理动作，module 只是改环境变量，没装任何东西。
在本机：module load cadence && module load virtuoso/IC06.17.700（两阶段，不能合并、不能进管道）。
常见误解：以为装了工具就能直接用，其实常常要先 load。

资源请求（Slurm 用 `--mem`、`gres` 等）¶

一句话：告诉调度器你要几核、多少内存、要不要 GPU。
像什么：像点餐时说"要大份"；哪里不成立：点大份只是多付钱，资源要得超单机上限会永远排不上。
在本机：本项目一点一核：srun -N1 -n1 -c1 -p long --mem=2G --mpi=none。
常见误解：以为排队久一定是机器不够，也可能是资源要超上限。

账号与限额（Slurm 有账户与 QoS）¶

一句话：你属于哪个账户、能排多长、能用多少。
像什么：像信用卡额度；哪里不成立：额度是钱，这里是并发数与时长限制。
在本机：见 adexl.distribute 的 maxJobFailPerPolicy=3（失败阈值）。
常见误解：以为排队久一定是机器不够，其实是限额。

NODELIST / %R（作业落在哪些节点）¶

一句话：squeue 里显示这个作业跑在哪几台机器上。
像什么：像外卖显示骑手位置；哪里不成立：位置是动态的，这里显示的是作业已分配的节点。
在本机：判断负载有没有铺开的关键列。6 个点全落同一台 → 慢，见 concept.md。
常见误解：以为一台机器上跑多个点更快（其实会互相抢 CPU）。

作业残骸（SE / JobHeldUser）¶

一句话：作业失败后滞留在队列里的空壳。
像什么：像没取消的挂号；哪里不成立：挂号不影响别人，残骸会堵住后续派发。
在本机：squeue 见 SE/JobHeldUser → scancel <id> 清掉即恢复，见 howto-hpc.md。
常见误解：以为失败作业会自己消失。

术语表 · HPC 侧（调度、资源、环境）¶

作业 job¶

队列 queue（Slurm 叫分区 partition）¶

提交作业（Slurm 用 sbatch，LSF 用 bsub）¶

查看作业状态（Slurm 用 squeue，LSF 用 bjobs）¶

查看作业详情（Slurm 用 scontrol show job，LSF 用 bjobs -l）¶

取消作业（Slurm 用 scancel，LSF 用 bkill）¶

查看队列清单（Slurm 用 sinfo，LSF 用 bqueues）¶

历史记账（Slurm 用 sacct，LSF 用 bacct）¶

作业数组（Slurm 用 --array）¶

作业依赖（Slurm 用 --dependency，LSF 用 -w）¶

交互式作业（Slurm 用 srun，LSF 用 bsub -I）¶

模块 module（实现是 Lmod）¶

资源请求（Slurm 用 --mem、gres 等）¶

账号与限额（Slurm 有账户与 QoS）¶

NODELIST / %R（作业落在哪些节点）¶

作业残骸（SE / JobHeldUser）¶

相关¶

作业数组（Slurm 用 `--array`）¶

作业依赖（Slurm 用 `--dependency`，LSF 用 `-w`）¶

资源请求（Slurm 用 `--mem`、`gres` 等）¶