尧图网站建设 )
文章目录一、核心定位与优势二、安装极简1. 克隆无需 root2. 激活每次登录执行3. 验证三、核心 Spec 语法必掌握四、常用命令HPC 必备1. 查询2. 安装核心3. 卸载/清理4. 环境管理可复现5. 模块Modules五、HPC 常用工作流示例1. 安装 OpenMPI CUDA2. 安装 PETSc全功能3. 安装性能分析工具4. 可复现环境团队共享六、关键特性HPC 价值七、与 conda/pip/apt 对比八、一句话总结Spack是一款专为HPC/超算、Linux/macOS/Windows设计的开源、跨平台、多版本/多编译器/多配置软件包管理器核心解决科学计算软件“版本冲突、依赖地狱、编译复杂、环境不可复现”四大痛点。Install Software Using Spackspack-tutorialSPACK Package Manager一、核心定位与优势全称Supercomputer Package Manager开发美国Lawrence Livermore National Lab (LLNL)主导核心能力多版本共存同一软件 N 个版本/编译器/配置互不干扰自动依赖解析一键安装自动处理全链路依赖高度定制指定版本、编译器、编译选项、CPU 架构、依赖版本环境管理spack env实现可复现、可分发的软件环境模块生成自动生成Environment Modules / Lmod文件超大规模支持千万核超算、跨节点集群、异构CPU/GPU包库丰富内置8000 包HPC 全栈MPI、数学库、仿真、AI 等二、安装极简1. 克隆无需 rootgitclone https://github.com/spack/spack.git ~/spack2. 激活每次登录执行# bash/zsh.~/spack/share/spack/setup-env.sh# csh/tcshsource~/spack/share/spack/setup-env.csh3. 验证spack--version三、核心 Spec 语法必掌握spack install spec中spec精准定义安装需求符号作用示例指定版本hdf51.14.3%指定编译器hdf5 %gcc12.2/-开启/关闭特性hdf5 hl -szipnameval编译参数hdf5 apiv110cflags/cxxflags/fflags编译优化hdf5 cflags-O3 -marchnativetargetCPU 架构hdf5 targeticelake^指定依赖版本hdf5 ^zlib1.2.13复合示例spackinstallhpctoolkit2025.01 %gcc12.2 cudacuda_arch80^python3.11四、常用命令HPC 必备1. 查询spack list# 所有可安装包spack list hdf# 模糊搜索spack info hdf5# 包详情版本、依赖、变体spack versions hdf5# 可用版本spack compilers# 已识别编译器spackfind# 已安装包含哈希spackfind--depshdf5# 依赖树spack spec hdf5 hl# 预演安装不安装2. 安装核心# 最简spackinstallhdf5# 指定版本编译器spackinstallhdf51.14.3 %gcc12.2# 开启特性优化spackinstallhdf5 hl threadsafecflags-O3 -marchnative# GPU 软件CUDAspackinstallpetsc cudacuda_arch70,80,90# MPI 并行spackinstallopenmpi cuda pmi# 安装后加载spack load hdf53. 卸载/清理spack uninstall hdf5# 卸载spack clean--all# 清理缓存源码/构建spack gc# 清理无用依赖4. 环境管理可复现# 1. 创建环境spackenvcreate my-hpc-env# 2. 激活-p 显示环境名spackenvactivate-pmy-hpc-env# 3. 添加包不立即安装spackaddhpctoolkit cuda spackaddpetsc mpi cuda spackaddopenmpi# 4. 解析依赖安装spack concretize spackinstall# 5. 退出环境spackenvdeactivate# 6. 环境备份spack.yaml spack.lockspackenvactivate my-hpc-env spackenvcreate --from-file spack.yaml new-env5. 模块Modulesspack module lmod refresh# 生成 Lmodmodule avail# 查看module load hdf5/1.14.3-gcc-12.2五、HPC 常用工作流示例1. 安装 OpenMPI CUDAspackinstallopenmpi4.1.5 %gcc12.2 cuda pmicuda_arch802. 安装 PETSc全功能spackinstallpetsc3.20 %gcc12.2 mpi cuda metis mumps superlu-dist3. 安装性能分析工具spackinstallhpctoolkit cuda spackinstalltau cuda mpi spackinstallscorep cuda mpi4. 可复现环境团队共享# 本地spackenvcreate cfd-workflow spackenvactivate cfd-workflow spackaddopenmpi petsc hpctoolkit spack concretize spackinstallspackenvdumpspack.yaml# 同事spackenvcreate cfd-workflow --from-file spack.yaml spackenvactivate cfd-workflow spackinstall六、关键特性HPC 价值非破坏性安装新版本不覆盖旧版本多配置共存哈希唯一标识每个安装有唯一哈希避免版本混淆跨平台一致笔记本→集群→超算同命令二进制缓存spack buildcache预编译加速部署外部包spack external find复用系统库如 CUDA、MPI自定义包spack create轻松写package.pyPython七、与 conda/pip/apt 对比特性SpackConda/pipapt/yum多版本/编译器✅ 极强❌ 弱❌ 不支持从源码编译优化✅ 原生⚠️ 有限✅ 预编译HPC 库覆盖✅ 8000⚠️ 部分❌ 极少超算/集群✅ 原生支持❌ 不适用❌ 不适用可复现环境✅spack.yaml✅environment.yml❌八、一句话总结Spack HPC 领域的 conda 源码编译 多版本管理 环境可复现是超算中心、科研团队、个人开发者管理复杂科学计算软件栈的事实标准工具。 Spack: 开源、跨平台、多版本/多编译器/多配置软件包管理器(HPC)
文章目录一、核心定位与优势二、安装极简1. 克隆无需 root2. 激活每次登录执行3. 验证三、核心 Spec 语法必掌握四、常用命令HPC 必备1. 查询2. 安装核心3. 卸载/清理4. 环境管理可复现5. 模块Modules五、HPC 常用工作流示例1. 安装 OpenMPI CUDA2. 安装 PETSc全功能3. 安装性能分析工具4. 可复现环境团队共享六、关键特性HPC 价值七、与 conda/pip/apt 对比八、一句话总结Spack是一款专为HPC/超算、Linux/macOS/Windows设计的开源、跨平台、多版本/多编译器/多配置软件包管理器核心解决科学计算软件“版本冲突、依赖地狱、编译复杂、环境不可复现”四大痛点。Install Software Using Spackspack-tutorialSPACK Package Manager一、核心定位与优势全称Supercomputer Package Manager开发美国Lawrence Livermore National Lab (LLNL)主导核心能力多版本共存同一软件 N 个版本/编译器/配置互不干扰自动依赖解析一键安装自动处理全链路依赖高度定制指定版本、编译器、编译选项、CPU 架构、依赖版本环境管理spack env实现可复现、可分发的软件环境模块生成自动生成Environment Modules / Lmod文件超大规模支持千万核超算、跨节点集群、异构CPU/GPU包库丰富内置8000 包HPC 全栈MPI、数学库、仿真、AI 等二、安装极简1. 克隆无需 rootgitclone https://github.com/spack/spack.git ~/spack2. 激活每次登录执行# bash/zsh.~/spack/share/spack/setup-env.sh# csh/tcshsource~/spack/share/spack/setup-env.csh3. 验证spack--version三、核心 Spec 语法必掌握spack install spec中spec精准定义安装需求符号作用示例指定版本hdf51.14.3%指定编译器hdf5 %gcc12.2/-开启/关闭特性hdf5 hl -szipnameval编译参数hdf5 apiv110cflags/cxxflags/fflags编译优化hdf5 cflags-O3 -marchnativetargetCPU 架构hdf5 targeticelake^指定依赖版本hdf5 ^zlib1.2.13复合示例spackinstallhpctoolkit2025.01 %gcc12.2 cudacuda_arch80^python3.11四、常用命令HPC 必备1. 查询spack list# 所有可安装包spack list hdf# 模糊搜索spack info hdf5# 包详情版本、依赖、变体spack versions hdf5# 可用版本spack compilers# 已识别编译器spackfind# 已安装包含哈希spackfind--depshdf5# 依赖树spack spec hdf5 hl# 预演安装不安装2. 安装核心# 最简spackinstallhdf5# 指定版本编译器spackinstallhdf51.14.3 %gcc12.2# 开启特性优化spackinstallhdf5 hl threadsafecflags-O3 -marchnative# GPU 软件CUDAspackinstallpetsc cudacuda_arch70,80,90# MPI 并行spackinstallopenmpi cuda pmi# 安装后加载spack load hdf53. 卸载/清理spack uninstall hdf5# 卸载spack clean--all# 清理缓存源码/构建spack gc# 清理无用依赖4. 环境管理可复现# 1. 创建环境spackenvcreate my-hpc-env# 2. 激活-p 显示环境名spackenvactivate-pmy-hpc-env# 3. 添加包不立即安装spackaddhpctoolkit cuda spackaddpetsc mpi cuda spackaddopenmpi# 4. 解析依赖安装spack concretize spackinstall# 5. 退出环境spackenvdeactivate# 6. 环境备份spack.yaml spack.lockspackenvactivate my-hpc-env spackenvcreate --from-file spack.yaml new-env5. 模块Modulesspack module lmod refresh# 生成 Lmodmodule avail# 查看module load hdf5/1.14.3-gcc-12.2五、HPC 常用工作流示例1. 安装 OpenMPI CUDAspackinstallopenmpi4.1.5 %gcc12.2 cuda pmicuda_arch802. 安装 PETSc全功能spackinstallpetsc3.20 %gcc12.2 mpi cuda metis mumps superlu-dist3. 安装性能分析工具spackinstallhpctoolkit cuda spackinstalltau cuda mpi spackinstallscorep cuda mpi4. 可复现环境团队共享# 本地spackenvcreate cfd-workflow spackenvactivate cfd-workflow spackaddopenmpi petsc hpctoolkit spack concretize spackinstallspackenvdumpspack.yaml# 同事spackenvcreate cfd-workflow --from-file spack.yaml spackenvactivate cfd-workflow spackinstall六、关键特性HPC 价值非破坏性安装新版本不覆盖旧版本多配置共存哈希唯一标识每个安装有唯一哈希避免版本混淆跨平台一致笔记本→集群→超算同命令二进制缓存spack buildcache预编译加速部署外部包spack external find复用系统库如 CUDA、MPI自定义包spack create轻松写package.pyPython七、与 conda/pip/apt 对比特性SpackConda/pipapt/yum多版本/编译器✅ 极强❌ 弱❌ 不支持从源码编译优化✅ 原生⚠️ 有限✅ 预编译HPC 库覆盖✅ 8000⚠️ 部分❌ 极少超算/集群✅ 原生支持❌ 不适用❌ 不适用可复现环境✅spack.yaml✅environment.yml❌八、一句话总结Spack HPC 领域的 conda 源码编译 多版本管理 环境可复现是超算中心、科研团队、个人开发者管理复杂科学计算软件栈的事实标准工具。