SOP — submit_node `_sync_host` 批量化 + 子命令基线补齐 + 附录 B 过期修正¶

主题目录：slurm_ins/submit_node_batch_20261007/｜执行日期：2026-10-07｜类型：C 类（改实现体 + 修文档）触发：核实「slurm_ins 的批量化改造是否全部完成、是否已沉淀可复用」时，发现两份附录 B 与代码不符、 子命令无任何实测基线，且唯一残留 _sync_host 未做

1. 背景¶

核实结果（只读审计 + file:line 复核）：

sync_status_concurrency_20261007/SOP.md 附录 B 把 8 处探测路径标为「尚未批量化」，但代码里 7 处早已批量（用 _run_per_host），清单已过期； conn_reuse_20261007/SOP.md 附录 B 第 3 条抄了同一份过期清单。该过期清单已在本对话中误导过一次。
唯一真正残留：submit_node_deployer.py::_sync_host（每台 7~12 条串行 _remote_query）。
所有实测数字只有主流程（--dry-run 墙钟 221.0 → 10.3 s）：8 个子命令一个都没有独立基线。

2. 目标¶

#	目标	判据
1（B）	`_sync_host` 的只读探测每台一条 shell（回填探测缓存、调用点零改动）	`--submit-node` 命令数下降；变更清单逐条一致
2（C）	8 个子命令 + 主流程各出一次实测基线（命令数 / 墙钟）	表格落盘，注明取数口径
3（A）	两份过期附录 B 据实收缩	与代码一致，不再误导
4	命令文本单一来源（探测缓存键是 host+cmd，文本漂移即白做）	离线自测断言「预取命令文本与 `_sync_host` 请求逐字一致」

3. 前置条件¶

工程根 /home/rain/Documents/slurm/slurm_ins，.venv 可用；
到 6 台节点（.16–.20、.28）的 SSH 凭据沿用 config/slurm_deploy.yaml；
--module-env 红线：执行前 squeue 必须为空 —— 本次跑前实测 squeue -h | wc -l = 0 ✓；
变更前完成 5.1 备份；验证全程 --dry-run（只读）。

4. 影响范围¶

项	内容
变更对象	`submit_node_deployer.py`（主）、`slurm_deployer.py`（两处命令文本抽为单一来源）、两份附录 B、`docs/HANDOFF.md`
改的是什么	`_sync_host` 的探测方式；`_remote_version` / `_missing_runtime_libs` 各加一个可选 `cmd` 参数；判定与变更记录顺序、内容均不变
是否停服	否；验证全程只读
回滚风险	低：纯新增 + 内部实现替换，主流程实测 `87 → 87` 条、225/25/200 记录不变

5. 分步操作¶

5.1 备份（高危前置）¶

TOP=/home/rain/Documents/slurm/slurm_ins/submit_node_batch_20261007
STAMP=$(date +%Y%m%d-%H%M%S); mkdir -p "$TOP/backup/slurm_ins"
cd /home/rain/Documents/slurm/slurm_ins
for f in submit_node_deployer.py slurm_deployer.py; do
  cp -a "$f" "$TOP/backup/slurm_ins/$f.bak.$STAMP"; done

预期：2 个 .bak.20261007-215118。

5.2 命令文本抽为单一来源（`slurm_deployer.py`）¶

探测缓存以 (host, cmd) 为键 —— 预取与调用两处文本必须逐字相同，否则预取白做。故把两处内联文本抽成静态方法，两处共用：

# 概念等价：命令文本只在一处定义
# _version_cmd(bin)        -> "{bin} --version 2>&1 | head -1"
# _runtime_libs_cmd(dir)   -> "cd '{dir}' … | grep 'not found' | awk '{print $1}' | sort -u"
# _remote_version(host, bin_path, cmd=None)       ← cmd 供预取复用同一文本
# _missing_runtime_libs(host, install_dir, cmd=None)  ← 同上

坑：cmd 必须默认 None（保持既有调用点行为），probe = cmd or self._xxx_cmd(...)。

5.3 `_sync_host` 改为预取 + 缓存命中（`submit_node_deployer.py`）¶

# 概念等价（Python 侧实现，非 shell）：每台一条 shell 一次往返
# _sync_probe_cmds(...)   → {键: 命令}（只读探测的唯一来源：逐包 rpm -q / id -u /
#                            systemctl is-active munge / 版本 ×2 / readlink /
#                            ldd 缺库 / configless 或 slurm.conf 摘要）
# _prefetch_sync_probes(hosts, cmds) → 每台 _kv_script 一段 shell，_parse_kv 拆回，
#                            回填 self._query_cache[(host, cmd)]
# sync_status(): 先 prefetch，再逐台 _sync_host(..., cmds)

坑（必须留痕）： - 回填的是 (host, 命令原文) 键，不是 键；_sync_host 的 _remote_query 才能命中； - 「一次调用传多条命令」不算合并（exec_linux 逐条 run_cmd）——必须拼成一段 shell； - _kv_script 的分段标记是 @@键；_parse_kv 按此拆回； - 变更类命令不动：本次只搬只读探测。

5.4 离线自测（上机前）¶

cd /home/rain/Documents/slurm/slurm_ins
.venv/bin/python -m py_compile submit_node_deployer.py slurm_deployer.py && echo COMPILE_OK
.venv/bin/python submit_node_batch_20261007/selftest.py

预期：COMPILE_OK + SUBMIT_NODE_BATCH_SELFTEST_OK。坑：本工程 deployer.py 用相对导入，自测必须以 slurm_ins.<mod> 方式导入；载入 backup 版旧模块时名字也要带包前缀（slurm_ins._old_...），否则相对导入解析失败。

5.5 上机对照 + 子命令基线（C）¶

cd /home/rain/Documents/slurm/slurm_ins
bash submit_node_batch_20261007/verify_batch.sh     # 旧/新两轮 + 变更清单对照

8 个子命令基线（逐条基线，各跑一次 --dry-run）：

declare -A LOGS=( [--node-env]=logs/slurm_node_env_deploy.log \
  [--module-env]=logs/slurm_module_env_deploy.log \
  [--storage-layout]=logs/slurm_storage_layout_deploy.log \
  [--scratch-gc]=logs/slurm_scratch_gc_deploy.log \
  [--local-scratch]=logs/slurm_local_scratch_deploy.log \
  [--health-ensure]=logs/slurm_health_deploy.log \
  [--user-mgmt]=logs/slurm_usermgmt_deploy.log \
  [--submit-node]=logs/slurm_submit_node.log )
for m in "${!LOGS[@]}"; do L=${LOGS[$m]}; S0=$(wc -l < "$L"); T0=$(date +%s.%N)
  .venv/bin/python main.py --config config/slurm_deploy.yaml --dry-run $m >/dev/null 2>&1
  echo "$m cmds=$(tail -n +"$((S0+1))" "$L" | grep -c '命令执行完成')"
done

口径：命令数 = 该子命令日志里 命令执行完成 行数（= run_cmd 逐条执行数）。

6. 验证¶

验证一：语义等价 - 离线：新旧 _sync_host 在同一模拟远端下 _add_change 记录逐条一致；且「预取命令文本与 _sync_host 实际请求逐字一致」；非 configless 与 configless 两个分支、以及「未达标场景」全部覆盖； - 上机：--submit-node 变更记录 31 条，新旧排序后完全一致、顺序差异 0；主流程 225 条记录、待执行 25 / 幂等 200，新旧完全相同；

验证二：命令数与墙钟【已确认】

子命令	命令数	墙钟 s
--submit-node	37 → 26（-29.7%）	18.0 → 12.3（-31.7%）
主流程（无子命令）	87（新旧同为 87）	11.4
--storage-layout	52	8.0
--scratch-gc	27	6.0
--module-env	20	4.7
--node-env	18	7.2
--health-ensure	15	12.2
--user-mgmt	14	4.3
--local-scratch	0 ※	6.7

※ --local-scratch 的日志里没有 命令执行完成 行（其远端调用不经该日志路径），该数字不可比，其它子命令口径一致。8 个子命令合计 ≈ 183 条。

验证三：幂等 —— 各子命令 --dry-run 均 rc=0；--submit-node 31/0/31 全跳过。

✅ 附带发现（2026-10-11 结案）：docs/HANDOFF.md 记的「主流程远端命令 864 → 18」，两种口径实测均为 87（命令执行完成）/ 90（exec_linux），墙钟则相符（11.4 vs 10.3 s）；原数字不可复现、疑似跨工程抄写。已按实测订正 HANDOFF（结案口径见 ../efficiency_wrapup_20261011/README.md）。

失败判断：变更记录出现实质差异（非顺序），或 py_compile / 自测失败 → 按第 7 章回滚。

7. 回滚¶

备份位置：submit_node_batch_20261007/backup/slurm_ins/，台账见同目录 backup/README.md。
回滚步骤：

cd /home/rain/Documents/slurm/slurm_ins
BAK=submit_node_batch_20261007/backup/slurm_ins
for f in submit_node_deployer.py slurm_deployer.py; do cp -a "$BAK/$f".bak.* "$f"; done

回滚后验证：py_compile + --submit-node --dry-run（命令数回到 37、变更记录仍 31 条）。
回滚触发条件：变更记录出现实质差异；--submit-node 报错；主流程命令数或记录数变化。

8. 风险说明¶

风险	缓解
命令文本漂移 → 预取不命中（白做）	文本抽为单一来源（`_version_cmd` / `_runtime_libs_cmd` / `_sync_probe_cmds`）；离线自测逐字比对
回填键写错（写成 `键` 而非 `(host, 命令)`）	离线自测断言「预取后零新增远端调用」
给 `_remote_version` / `_missing_runtime_libs` 加参数破坏既有调用	新参数默认 None，不传时行为与原来完全一致；主流程回归 87→87 条、225/25/200 不变
`--local-scratch` 等子命令的基线口径不一致	已在第 6 章显式标注该行不可比，不冒充
附录 B 修正后丢失历史信息	用「已全部完成 + 指针」替换，原文保留在各主题 SOP 的改前快照（backup）中

附录 A 交付物清单¶

文件	说明
`SOP.md`	本文件
`selftest.py`	离线自测（命令文本一致性 / 新旧等价 / 命令数 / configless 分支）
`verify_batch.sh`	旧新两轮上机对照（含变更清单比对）
`backup/slurm_ins/`	2 个改造前文件快照
`backup/README.md`	备份台账
变更的工程文件	`submit_node_deployer.py`、`slurm_deployer.py`
修正的文档	`sync_status_concurrency_20261007/SOP.md` 附录 B、`conn_reuse_20261007/SOP.md` 附录 B、`docs/HANDOFF.md`

附录 B 子命令基线（C 的产出，供后续任何优化做 before/after）¶

见第 6 章「验证二」表。此前 8 个子命令一个数字都没有；本表是它们的第一份基线。后续再动任一子命令，用 5.5 的同法取 before/after 即可。

来源：/home/rain/Documents/slurm/slurm_ins/submit_node_batch_20261007/SOP.md ｜最后更新：2026-10-11 21:15（由 build/sync.py 同步，请勿在站点侧修改）

SOP — submit_node _sync_host 批量化 + 子命令基线补齐 + 附录 B 过期修正¶