基于submitit实现Python函数的集群计算

一、项目介绍

Submitit是一款轻量级工具，旨在简化Python函数在Slurm集群上的提交过程。它不仅提供了对作业结果、日志文件等的无缝访问，更让开发者能够在本地执行与Slurm集群间切换自如，极大地提高了代码的可移植性和灵活性。

Slurm作为一种广泛使用的集群管理与作业调度软件，支持从大型到小型的Linux集群。而Submitit作为衔接本地与集群操作的桥梁，确保了高效且稳定的任务处理。

二、项目技术分析

• 高效的任务提交机制
  Submitit的核心功能在于它的Job类及其相关方法。通过定义一个简单的Python函数（如上文示例中的add函数），只需几行代码即可实现该函数在Slurm集群上的异步调用。这种机制不仅减少了任务调度的时间开销，还增强了代码的可读性与维护性。

• 简化日志管理
  对于每个提交的作业，Submitit会自动生成并存储相应的日志信息，包括标准输出(stdout)和错误输出(stderr)。这极大地方便了开发者追踪任务运行状态和调试潜在的问题点。

• 兼容多环境部署
  无论是稳定版本还是主分支的安装，Submitit都提供了详尽的指导文档和多种安装选项，包括虚拟环境、Conda环境和直接Git克隆等方式，以满足不同用户的需求。此外，提供的示例程序帮助验证安装是否成功，例如通过运行MNIST示例，检查sklearn等依赖库是否正确配置。

三、代码样例

pip install submitit

下面以在集群中记在 model.pth 文件中的字典 dico 为例：

import os
import torch
import submitit


def load_model(bin_path):
    # 使用torch.load加载.pth文件
    model = torch.load(bin_path, map_location=torch.device('cpu'))  # 根据需要调整map_location
    dico = model['dico']
    return dico
    

if __name__ == "__main__":
    # 配置路径
    bin_path = '/data/model.pth'
    log_path = '/data/log'
    
    # 配置作业
    executor = submitit.AutoExecutor(folder=log_path, cluster="local")
    executor.update_parameters(timeout_min=60)

    # 提交作业
    job = executor.submit(load_model, bin_path)
    print("Job submitted with ID: {}".format(job.job_id))
    result = job.result()
    print("Job result: {}".format(result))

输出如下：

Job submitted with ID: 2787702
Job result: <src.data.dictionary.Dictionary object at 0x7f9c21883460>