soperator

用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。

soperator 是一个 Kubernetes 原生算子，用于在 Kubernetes 集群中运行和管理 Slurm 工作负载。它解决了传统 HPC 环境中 Slurm 集群部署复杂、资源利用率低、难以与云原生生态集成的问题。核心能力包括：通过自定义资源定义（CRD）声明式地创建 Slurm 集群，自动管理 Slurm 控制节点和计算节点，支持弹性扩缩容，集成 Kubernetes 的调度、存储和网络能力，并提供监控和日志集成。用户可以使用熟悉的 kubectl 和 Helm 工具来管理 HPC 工作负载，从而降低运维成本，提高资源利用效率，并加速机器学习模型训练等计算密集型任务。