本指南旨在作为一个工具，帮助系统管理员或操作员排除Slurm故障和恢复服务。常问问题文件也可能被证明是有用的。
"scontrol ping"以确定主控制器和备份控制器是否有反应。"ps -el | grep slurmctld "检查是否有一个活跃的slurmctld守护程序。"/etc/init.d/slurm start "命令）。你应该检查日志文件（slurm.conf文件中的SlurmctldLog）以了解它失败的原因。"/etc/init.d/slurm stop "命令，然后"/etc/init.d/slurm start"）。slurm.conf文件中增加SlurmctldDebug）并重新启动。再次检查日志文件，看是否有失败的迹象。"/etc/init.d/slurm stop "命令，然后"/etc/init.d/slurm startclean"）。注意：所有正在运行的作业和其他状态信息都将丢失。这取决于Slurm使用的调度器。执行命令"scontrol show config | grep SchedulerType "来确定这一点。对于任何调度器，你可以使用 "scontrol show job "命令检查作业的优先级。
如果调度器类型是builtin，那么作业将按照给定分区的提交顺序来执行。即使有资源可以立即启动作业，它也会被推迟，直到没有先前提交的作业在等待。
如果调度器类型是backfill，那么作业一般会按照给定分区的提交顺序执行，但有一个例外：如果这样做不会延迟较早提交的作业的预期执行时间，那么较晚提交的作业将被提前启动。为了使回填调度有效，用户作业应该指定合理的时间限制。如果作业没有指定时间限制，那么所有的作业将收到相同的时间限制（与分区相关的时间限制），backfill调度作业的能力将受到限制。回填调度器不会改变所需或排除的节点的作业规范，所以指定节点的作业将大大降低回填调度的效果。更多细节请参见回填文档。
COMPLETING状态下这通常是由于与作业相关的不可杀死的进程。Slurm会继续尝试用SIGKILL终止进程，但有些作业可能会卡在执行I/O和不可杀死的状态。这通常是由于文件系统的问题，可以通过以下几种方式解决。
"control update NodeName=<node> State=down Reason=hung_proc" 和 "control update NodeName=<node> State=resume"）。这允许其他作业使用该节点，但留下不可杀死的进程。如果该进程完成了I/O，待定的SIGKILL应该立即终止它。-或者-UnkillableStepProgram和UnkillableStepTimeout配置参数，通过发送电子邮件或重启节点，自动响应不能被杀死的进程。欲了解更多信息，请参见slurm.conf文档。如果你的工作看起来不是因为文件系统问题而被卡住，可能需要一些调试才能找到原因。如果你能重现该行为，你可以将SlurmdDebug级别设置为 "debug"，并在你用来重现该问题的节点上重新启动slurmd。然后slurmd.log文件应该有更多的信息来帮助解决这个问题。查看slurmctld.log也可以提供一些线索。如果节点停止响应，你可能要研究一下原因，因为它们可能会阻止作业的清理，导致作业一直处于COMPLETING状态。当寻找连接问题时，相关的日志条目应该是这样的。
error: Nodes node[00,03,25] not responding
Node node00 now responding
"scontrol show node <name>"命令检查节点停机的原因。这将显示节点被设置为停机的原因和发生的时间。如果与slurm.conf文件中指定的参数相比，磁盘空间、内存空间等不足，那么要么修复节点，要么改变slurm.conf。"Not responding"，那么使用 "ping <address>"命令检查控制机和DOWN节点之间的通信，并确保指定slurm.conf中配置的NodeAddr值。如果ping失败了，那么就修改slurm.conf中的网络或地址。"ps -el | grep slurmd "命令检查slurmd守护进程是否正在运行。如果slurmd没有运行，重新启动它（通常以用户root身份使用命令"/etc/init.d/slurm start"）。你应该检查日志文件（slurm.conf文件中的SlurmdLog）以了解它失败的原因。你可以通过在感兴趣的节点上执行 "scontrol show slurmd "命令来获得运行中的slurmd守护进程的状态。检查 "Last slurmctld msg time "的值以确定slurmctld是否能够与slurmd通信。"/etc/init.d/slurm stop "命令，然后"/etc/init.d/slurm start"）。slurm.conf文件中增加SlurmdDebug）并重新启动。再次检查日志文件，看是否有失败原因的提示。"/etc/init.d/slurm stop "然后"/etc/init.d/slurm startclean "命令）。注意：该节点上的所有作业和其他状态信息都将丢失。slurmctldLog和slurmdLog在slurm.conf文件中），以了解它失败的原因。slurm.conf和凭证文件是否一致。"sinfo -V" 或 "rpm -qa | grep slurm"）。Slurm的版本号包含三个期数分开的数字，代表Slurm的主要版本和维护版本级别。前两个部分结合在一起代表主要版本，并与该主要版本的年份和月份相符。版本中的第三个数字指定了一个特定的维护级别：年.月.维护-版本（例如，17.11.5是主要的Slurm版本17.11，以及维护版本5）。因此，17.11.x版本最初是在2017年11月发布的。Slurm守护进程将支持前两个主要版本的RPC和状态文件（例如，17.11.x版本的SlurmDBD将支持版本为17.11.x、17.02.x或16.05.x的slurmctld守护进程和命令）。