NVIDIA srt-slurm 教程：用声明式 YAML 构建可复现的分布式 LLM 基准测试工作流

该教程介绍了 NVIDIA 开源框架 srt-slurm 的使用方法，通过 srtctl 命令解析声明式 YAML 配置并生成可复现的 SLURM 基准测试工作流。教程在 Google Colab 环境中进行：克隆仓库、安装并切换目录；检查 src/srtctl/ 下的目录结构（包括 cli、core、backends、frontends、templates、recipes、analysis 等模块）；创建一个模拟的 srtslurm.yaml 集群配置文件；对内置 mocker recipe 和自定义的 DeepSeek-R1 分解式（prefill/decode 分离）配置进行 dry-run，查看生成的 sbatch 脚本。 教程还演示了参数扫描（grid search）功能：运行 example-sweep.yaml，查看生成的多 job 配置文件，并通过 typed Python API 加载自定义 recipe，访问模型、精度、GPU 拓扑、基准设置等枚举值。最后，模拟基准测试结果（吞吐量 vs 延迟）并绘制帕累托前沿图，对比不同分块预填充大小下的性能取舍。使用 srt-slurm 的开发者可在 Colab 中完成配置验证和调试，再转移到真实 SLURM GPU 集群执行基准测试。