Partitions et QoS sur NOVA

Vue d'ensemble

NOVA utilise un système à deux niveaux pour gérer l'accès aux ressources :

La partition définit le type de ressource (GPU, CPU, mémoire)
La QoS (Quality of Service) définit la durée maximale et la priorité de ton job

En pratique, ta QoS par défaut est configurée automatiquement par l'administrateur selon ton équipe. Tu n'as généralement pas besoin de la spécifier à la main.

Les partitions disponibles

`gpu_h100` — Partition principale GPU ⭐ (défaut)

C'est la partition standard pour tous les calculs GPU.

Paramètre	Valeur
Ressource	4 nœuds H100 PCIe (h100-2 à h100-5)
GPU par nœud	1 × NVIDIA H100 PCIe (81 Go VRAM)
Durée max	Dépend de ta QoS (voir ci-dessous)
Usage	Entraînement de modèles, inférence, calcul scientifique GPU

`gpu_dev` — Développement et tests rapides

Partition dédiée aux tests courts. Jobs prioritaires, délai d'attente réduit.

Paramètre	Valeur
Ressource	4 nœuds H100 PCIe
Durée max	2 heures (limite stricte)
Usage	Debugging, tests de scripts, validation avant un long job

Conseil : utilise toujours gpu_dev pour tester ton code avant de soumettre un job long sur gpu_h100.

`cpu` — Calcul CPU

Pour les traitements qui ne nécessitent pas de GPU.

Paramètre	Valeur
Ressource	4 nœuds (h100-2 à h100-5)
Durée max	72 heures
Usage	Prétraitement de données, analyse statistique, post-traitement

`bigmem` — Grande mémoire RAM

Pour les jobs nécessitant beaucoup de RAM (ex : manipulation de grands datasets en mémoire).

Paramètre	Valeur
Ressource	1 nœud dédié (bmem-1)
Durée max	72 heures
Usage	Datasets volumineux, assemblage génomique, matrices larges

Les QoS disponibles

La QoS contrôle la durée maximale de ton job et sa priorité dans la file d'attente.

QoS	Partition	Durée max	Priorité	Usage recommandé
`qos_gpu-dev`	`gpu_dev`	2 heures	Haute	Tests, debugging
`qos_gpu-t3`	`gpu_h100`	20 heures	Normale	Jobs standards
`qos_gpu-t4`	`gpu_h100`	4 jours	Basse	Jobs longs
`qos_cpu-t3`	`cpu`	3 jours	Normale	Calcul CPU
`qos_bm`	`bigmem`	3 jours	Normale	Grande mémoire

Important : plus la durée est longue, plus la priorité est basse. Un job court passera avant un job long dans la file d'attente.

En pratique : template de job script

Job GPU standard (recommandé)

#!/bin/bash
#SBATCH --job-name=mon_job
#SBATCH --partition=gpu_h100
#SBATCH --gres=gpu:1
#SBATCH --cpus-per-task=4
#SBATCH --mem=32G
#SBATCH --time=08:00:00
#SBATCH --output=%x_%j.out

module purge
module load Python/3.11.3

srun python mon_script.py

Job de test rapide

#!/bin/bash
#SBATCH --job-name=test
#SBATCH --partition=gpu_dev
#SBATCH --gres=gpu:1
#SBATCH --cpus-per-task=2
#SBATCH --mem=16G
#SBATCH --time=00:30:00
#SBATCH --output=%x_%j.out

module purge
module load Python/3.11.3

srun python mon_script.py

Commandes utiles

# Voir l'état des partitions et des nœuds
sinfo

# Voir les jobs en attente et en cours
squeue

# Voir l'historique de tes jobs
sacct -X

# Soumettre un job
sbatch mon_script.slurm

# Annuler un job
scancel <JOBID>

# Estimer le temps d'attente de ton job
squeue --start -j <JOBID>

Questions fréquentes

Je n'ai pas spécifié de --qos, est-ce un problème ? Non. Ta QoS par défaut est configurée par l'administrateur. Si tu ne précises rien, SLURM utilise automatiquement la bonne QoS pour ta partition.

J'ai l'erreur Job's QOS not permitted to use this partition Tu as spécifié une QoS incompatible avec ta partition. Soit tu supprimes --qos (recommandé), soit tu utilises la QoS correspondante à ta partition (voir le tableau ci-dessus).

Mon job est en état PD (Pending) depuis longtemps Il attend une ressource disponible. Tu peux vérifier la raison avec squeue (colonne REASON). Si la raison est Resources, les nœuds sont occupés. Si c'est Priority, un job plus prioritaire est devant toi.

Je dois demander plus d'un GPU Sur NOVA, la limite est 1 GPU par job par défaut. Contacte l'administrateur si ton projet nécessite plusieurs GPUs.