ansible_hpc_bootstrap.md

标题：Ansible 在 HPC 集群的快速落地（账户/密钥/目录/Slurm/OOD/监控）

为什么选 Ansible

• 无代理：仅需 SSH；新装 OS 可用 raw 先装 python
• 幂等：声明式，重复执行安全
• 模块丰富：user、authorized_key、file、template、service、acl、mysql_* 等

目录结构（推荐）

hpc-ansible/ ├── inventories/hosts.ini ├── group\\\\_vars/ │   ├── all.yml │   ├── controller.yml │   └── computes.yml ├── roles/ │   ├── base/            # 通用：时区、ntp、包、sudo、selinux │   ├── users/           # 组/用户/authorized\\\\_keys/共享ACL │   ├── ssh/             # sshd 硬化与重载 │   ├── munge/           # munge.key 分发与服务 │   ├── slurm/           # slurm.conf/StateSave/服务 │   ├── ood/             # OOD\\\\_DATAROOT & PUN 重启 │   ├── exporters/       # node/slurm/dcgm 等 │   └── monitoring/      # prometheus/grafana（如独立主机） └── site.yml

Inventory 示例

inventories/hosts.ini

[controller]

epic-control-node ansible_host=10.0.0.10

[controllers_backup]

slurm-ctrl-new ansible_host=10.0.0.11

[computes]

compute[01:32].lab.example ansible_user=root

[ood]

ood-gateway ansible_host=10.0.0.20

[all:vars]

ansible_python_interpreter=/usr/bin/python3

全局变量示例

group_vars/all.yml

uid_base: 10000

gid_base: 20000

# 共享路径

shared_ood_root: /shared/ood

slurm_state_dir: /shared/slurm/state

slurm_conf_src: files/slurm/slurm.conf

# 项目组

project_group: projectA

project_gid: 20001

# 用户清单

hpc_users:

  - { name: alice, uid: 10001, groups_extra: ["{{ project_group }}"], shell: /bin/bash, lock_password: true }

  - { name: bob,   uid: 10002, groups_extra: ["{{ project_group }}"], shell: /bin/bash, lock_password: true }

# OOD

ood_dataroot_tpl: "{{ shared_ood_root }}/$USER/ondemand/data"

关键角色任务片段

roles/users/tasks/main.yml