.png)
一、服务器基本信息
服务器类型：高性能单机工作站（非集群）
操作系统：Ubuntu 22.04 LTS
内网 IP：
172.18.51.48公网 IP：管理员获取 【端口xx】 禁止传输大型文件（改用内网）
资源概况：104 核 CPU / 500GB 内存
管理模式：多用户共享 + 资源申请制调度
二、登录方式
1. SSH 终端登录（推荐）
①内网登陆
ssh 你的用户名@172.18.51.48🔐 密码：由管理员分配的初始密码
②公网登陆【6000端口，禁止传大型文件】
ssh -p 6000 用户名@管理员获取2. RStudio Server（Web 端）
适用于 R 语言交互式分析、绘图及报告生成。
内网地址：
http://172.18.51.48:8787公网地址：RStudio Server（或IP登陆 http://管理员获取:8787）
账号/密码：与 SSH 登录一致 。
三、数据存储规范
服务器存储分为两类，请严格区分用途：
✅ 家目录（Private）
路径：
/home/你的用户名（即~）用途：存放代码脚本、配置文件、轻量级文本数据。
权限：仅你自己可见（已配置权限隔离）。
✅ 数据盘（Shared Storage）
路径：
/data/disk1/data/你的用户名或/data/disk2/data/你的用户名用途：必须存放大型数据集、测序原始数据、模型训练结果。
注意：请勿在
/data根目录下直接建立文件，请在自己的子目录中操作。
四、软件环境使用
1. R 语言环境
多版本支持：系统已安装多个 R 版本（如 4.4, 4.3 等）。
包管理：
普通用户不需要（也无法）向系统库安装包 。
直接运行
install.packages("包名")，系统会自动安装到你的家目录~/R/下，且仅对你可见 。
2. Python 环境
服务器已预装 Conda。
创建自己的虚拟环境：
conda create -n my_env python=3.9 conda activate my_env
3. GitHub Copilot
RStudio Server 已开启 Copilot 支持 。
注意：这是基于用户隔离的。你需要点击
Tools -> Global Options -> Copilot，登录你自己有权限的 GitHub 账号才能使用 。
五、任务提交与调度（核心）
📌 核心原则
资源申请制：所有计算任务必须通过
lab_submit提交。 禁止裸跑：严禁在 SSH 前台直接运行python或Rscript。 任务保活：必须结合tmux使用，防止断网导致任务中断。
✅ 标准操作流程
（一）任务提交命令详解：lab_submit
lab_submit 是实验室自研的轻量级调度工具（类似 Slurm 的 sbatch），用于申请计算资源。
1. 语法格式
lab_submit [选项] <CPU核数> <内存> <命令>2. 参数详细说明
（二）两种提交任务的方式
方式 A：标准交互式（推荐新手）
适用场景：需要调试代码，或者想看着任务跑起来再离开。
新建会话：
tmux new -s my_job提交任务：
# 申请 32 核 CPU，128G 内存，运行 training.py lab_submit 32 128G python training.py挂起离开： 按下
Ctrl + b，松手，再按d。任务会在后台继续排队或运行。
方式 B：一行命令“即发即走”（高级用法）🔥
适用场景：代码已调试好，只想快速扔进后台排队，不需要看输出。
利用 tmux 的后台模式 (-d) 直接包裹提交命令：
# 语法：tmux new -d -s <会话名> "完整提交命令"
tmux new -d -s job_v1 "lab_submit 32 128G python train.py"命令解析：
tmux new：新建会话。-d：Detached，直接在后台创建，不进入终端窗口。-s job_v1：给这个后台任务起个名字叫job_v1。"..."：双引号内是你要执行的lab_submit完整命令。
👉 执行完这行命令后，你可以直接关机下班。
（三）任务管理与监控
提交任务后，你可以像使用 Slurm 一样管理它们。
1. 查看任务状态 (lab_queue)
查看当前所有排队和运行中的任务：
lab_queue输出示例：
JOBID USER STATUS CPU MEM SUBMIT_TIME COMMAND
42 zrjl RUNNING 32 128G 2024-02-13 14:20 python train.py
43 liuyu PENDING 64 256G 2024-02-13 14:35 Rscript analysis.R状态说明：
RUNNING：正在计算中。
PENDING：资源不足，正在排队（等别人跑完自动开始）。
2. 查看日志 (lab_log)
任务的输出（print/stdout/stderr）会被自动捕获。
# 查看指定 JobID 的日志
lab_log 42
# 或者手动查看（默认路径）
tail -f ~/lab_logs/42.log3. 取消任务 (lab_cancel)
如果参数填错了，或者不想跑了：
lab_cancel 42系统会自动杀掉对应的 tmux 会话和进程，并释放资源。
（四）注意事项
内存限制是强制的：如果你申请
32G但程序实际用了33G，系统内核会直接杀死（OOM Kill）你的任务。宁可多申，不可少申。日志路径：如果不使用
--log参数，请定期清理你的~/lab_logs/目录。公平原则：请勿一个人提交 10 个
64核的任务占满队列，建议大任务串行提交。
（五）tmux 常用速查
由于任务运行在 tmux 中，你需要掌握以下基础命令：
六、常见问题 (FAQ)
Q: 我提交了任务，但一直显示 Pending 怎么办？
A: 说明当前服务器资源紧张，你的任务正在排队。一旦前面有人任务结束，释放出足够的 CPU/内存，你的任务会自动开始。
Q: 为什么我安装 R 包报错 "Permission denied"？
A: 请检查你是否使用了 sudo。普通用户安装包不需要 root 权限，直接安装即可，系统会自动识别你的私有库路径。
Q: 我可以直接关掉 SSH 窗口吗？
A: 只要你的任务是在 tmux 里通过 lab_submit 提交的，你可以随时关闭 SSH 窗口，任务不会断。
Q：我能看到别人的文件吗？
❌ 不能。每个人的家目录和数据目录都是隔离的。
Q：R 包安装失败怎么办？
✅ 确认你没有用 sudo ✅ 确认网络正常 ✅ 如仍失败，联系管理员
Q：服务器变慢了怎么办？
✅ 用 htop 看是否有任务占满资源 ✅ 联系管理员协助处理
七、联系与支持
管理员：liuyu
问题类型：
登录问题
权限问题
R / Python 环境问题
数据目录问题
✅ 最重要的一句话
代码在家目录，数据在
/data，环境自己管，资源要自觉。