RockyLinux 8 编译安装 CP2K-2026.2（GNU/OpenBLAS 稳定版）

2026/8/13 23:28:04

一句话总结： 在 RockyLinux 8 上用 GCC Toolset 14 + OpenMPI + OpenBLAS + FFTW 编译 CP2K-2026.2，依赖全部由官方 toolchain 自动安装，绕开 Intel MKL 在部分平台上的矩阵运算兼容性报错，编译产物 cp2k.popt / cp2k.psmp 位于 install/bin 下，可直接用于 CPU 集群生产环境。

核心结论：Intel 编译器加 MKL 编出来的 CP2K，在 AMD EPYC、新旧架构混搭、大规模对角化这些场景下可能报 not enough memory、out of memory、malloc failed，但查下来节点物理内存根本没耗尽——这类问题基本就是 MKL 兼容性导致的。换成 GCC 14 + OpenBLAS 组合能稳定绕开，多数常规 DFT、AIMD 任务性能体感差别不大。下面按系统准备、toolchain 编译、主程序编译、验证测试、Slurm 提交的顺序记录完整过程，附踩坑对照表和 FAQ。

测试环境操作系统：RockyLinux 8.x软件版本：CP2K-2026.2、GCC Toolset 14（gcc/gfortran 14）、OpenMPI（toolchain 自动编译）、OpenBLAS、FFTW硬件平台：CPU 集群环境（无 GPU，具体 CPU 型号未指定）本文由 LEEHPC 一粒海团队基于实际项目经验整理

本文涵盖

为什么弃用 Intel MKL 方案，改用 GNU + OpenBLAS
编译方案的组件取舍（GPU、ELPA、DeepMD 等为什么全关）
系统环境准备、toolchain 依赖编译、主程序编译的完整命令
编译产物说明、运行验证、Slurm 作业提交
常见报错对照表与 FAQ

1. 为什么这次用 GNU + OpenBLAS，而不是 Intel MKL？

先交代背景。部分 HPC 集群里，用 Intel 编译器（icc/icx/ifort/ifx）配合 Intel MKL 数学库编出来的 CP2K，实际计算时可能突然崩掉，报错长这样：

这类报错表面上看很像内存不足，常见的有：

not enough memory
out of memory
malloc failed
矩阵求解阶段异常中止
对角化或线性代数计算阶段崩溃

但真去查节点，物理内存往往根本没耗尽。排查下来，问题大概率出在 Intel MKL 在特定平台、特定矩阵运算或特定并行方式下的兼容性上。下面这些场景更容易踩中：

AMD EPYC 平台；
Intel 新架构平台搭配旧版本 MKL；
多节点 MPI 并行计算；
大规模矩阵对角化；
高并发调用 BLAS/LAPACK/ScaLAPACK；
OpenMP 线程数与 MPI 进程数配得不合理；
Intel oneAPI、MPI、MKL 版本组合互相不匹配。

所以这里选 GNU 编译器 + OpenBLAS + OpenMPI 这套组合，稳是第一位的。说句实话，MKL 单个库性能确实强，但出了问题定位成本太高，集群生产环境折腾不起。

2. 本次编译方案一览

项目	选择
操作系统	RockyLinux 8.x
CP2K 版本	CP2K-2026.2
编译器	GCC Toolset 14
Fortran 编译器	gfortran 14
MPI	OpenMPI，由 CP2K toolchain 自动编译
BLAS/LAPACK	OpenBLAS
FFT	FFTW
GPU	不启用
ELPA	不编译
DeepMD	不编译
LibTorch	不编译
GauXC	不编译

这套组合定位很明确：CPU 集群、常规科学计算任务、追求稳定可复现。

3. 为什么把 GPU、ELPA、DeepMD 这些模块全关掉？

3.1 不编译 GPU 的原因

本文档面向 CPU 集群环境，不启用 CUDA/HIP/SYCL 等 GPU 后端。集群没有 GPU 节点、用户主要跑 CPU 队列的话，直接明确关掉：

--gpu-ver=no

这么做能避免 toolchain 去检测 CUDA、cuBLAS、cuFFT、NCCL 等组件时冒出一堆额外问题。官方文档这块写得比较模糊，实测关掉之后干净利落。

3.2 不编译 ELPA 的原因

ELPA 是高性能本征值求解库，理论上能提升部分对角化场景的性能。但在 GNU 编译环境下，ELPA 某些版本组合容易碰上 Fortran 参数传递、接口兼容或编译器优化方面的问题。部分问题改源码或降优化级别能绕过，但为了计算稳定性和结果可靠性，这次直接不编译：

--with-elpa=no

对多数常规 CP2K 计算来说，不启用 ELPA 对整体性能影响通常不大，这里不用太纠结。

3.3 不编译 DeepMD、LibTorch 和 GauXC 的原因

DeepMD 和 LibTorch 主要是机器学习势能相关功能用的；GauXC 更多服务于特定 GPU 加速泛函计算场景。如果集群主要跑常规 DFT、AIMD、QS、FIST、QMMM 这类任务，先不编译这些组件，编译复杂度能降不少：

--with-deepmd=no
--with-libtorch=no
--with-gauxc=no

4. 编译前系统环境怎么准备？

4.1 启用 devel 仓库

RockyLinux 8 里，GCC Toolset 通常来自额外的软件仓库，先启用 devel 仓库：

dnf config-manager --set-enabled devel

如果提示 config-manager 命令不存在，先装一下：

dnf install -y dnf-plugins-core

4.2 安装 GCC Toolset 14

dnf install -y gcc-toolset-14*

装完加载 GCC 14 环境：

source /opt/rh/gcc-toolset-14/enable

验证三个编译器的版本：

gcc --version
g++ --version
gfortran --version

正常输出类似：

gcc (GCC) 14.x.x
GNU Fortran (GCC) 14.x.x

注意：source /opt/rh/gcc-toolset-14/enable 只对当前 Shell 会话生效，退出终端就得重新加载。这点容易忘，后面跑 toolchain 前记得先 source。

4.3 安装基础依赖

常用编译工具和依赖包建议提前装齐：

dnf install -y \wget curl git \tar bzip2 gzip xz unzip \make cmake ninja-build \patch diffutils \perl python3 python3-pip \m4 autoconf automake libtool \which file findutils \hostname \openssl-devel \zlib-devel \libffi-devel

4.4 设置临时目录

CP2K toolchain 编译过程会产生大量临时文件，先确认 /tmp 或编译目录所在分区空间够用：

df -h

/tmp 空间小的话，指定一个临时目录：

mkdir -p /public/tmp/cp2k_build_tmp
export TMPDIR=/public/tmp/cp2k_build_tmp

5. 怎么下载解压 CP2K-2026.2 源码？

mkdir -p /public/softwares
cd /public/softwares

从 CP2K 官方 GitHub Release 页面下载源码包：

wget https://github.com/cp2k/cp2k/releases/download/v2026.2/cp2k-2026.2.tar.bz2

服务器连不上外网的话，也可以本地下载好再传上去。

tar -xjf cp2k-2026.2.tar.bz2
cd /public/softwares/cp2k-2026.2

确认目录结构：

ls

应能看到：

arch  benchmarks  data  exe  src  tests  tools

6. toolchain 依赖编译怎么做？

CP2K 官方提供了 tools/toolchain/install_cp2k_toolchain.sh，自动下载、编译、配置所有依赖库，省去手动逐个装 OpenMPI、OpenBLAS、ScaLAPACK、FFTW 的麻烦。

cd /public/softwares/cp2k-2026.2/tools/toolchain

6.1 执行 toolchain 编译

本次编译命令如下：

./install_cp2k_toolchain.sh \--install-all \--gpu-ver=no \--with-gcc=system \--with-elpa=no \--with-deepmd=no \--with-libtorch=no \--with-gauxc=no \--with-openmpi=install \-j 64

6.2 参数说明

参数	说明
`--install-all`	尽可能自动安装 CP2K 所需依赖库
`--gpu-ver=no`	不启用 GPU 支持
`--with-gcc=system`	使用当前系统环境中的 GCC，即 GCC Toolset 14
`--with-elpa=no`	不编译 ELPA
`--with-deepmd=no`	不编译 DeepMD-kit 接口
`--with-libtorch=no`	不编译 LibTorch
`--with-gauxc=no`	不编译 GauXC
`--with-openmpi=install`	由 toolchain 自动编译安装 OpenMPI
`-j 64`	使用 64 个并行任务进行编译

想更明确地指定数学库，可以加：

--math-mode=openblas

完整命令也可以写成：

./install_cp2k_toolchain.sh \--install-all \--math-mode=openblas \--gpu-ver=no \--with-gcc=system \--with-elpa=no \--with-deepmd=no \--with-libtorch=no \--with-gauxc=no \--with-openmpi=install \-j 64

6.3 并行编译线程数怎么定

-j 64 是编译时用 64 个并行任务，具体看 CPU 核心数和内存来调：

lscpu
nproc

编译节点内存偏小的话，建议降下来：

-j 32

或者：

-j 16

这里坑过我一次：机器内存不大，-j 64 直接把编译进程干到 OOM，日志里就剩个 Killed。

6.4 安装包和跳过包检查

toolchain 执行过程中会列出哪些依赖库要装、哪些跳过：

重点关注这几项：

OpenMPI 是否为 install
OpenBLAS 是否为 install
ScaLAPACK 是否为 install
FFTW 是否为 install
ELPA 是否为 no
GPU/CUDA 相关组件是否为 no
DeepMD、LibTorch、GauXC 是否为 no

6.5 CPU 架构自动识别与异构集群处理

toolchain 会自动识别当前处理器架构，编译时加入优化参数，比如：

-march=native
-mtune=native
AVX2
AVX512
Zen/Zen2/Zen3/Zen4 相关优化

识别过程长这样：

这里要注意：集群里不同计算节点 CPU 架构不一致的话，-march=native 编出来的二进制可能在老节点上直接跑不起来，报 Illegal instruction。异构集群建议指定更通用的目标 CPU：

./install_cp2k_toolchain.sh \--install-all \--math-mode=openblas \--gpu-ver=no \--with-gcc=system \--with-elpa=no \--with-deepmd=no \--with-libtorch=no \--with-gauxc=no \--with-openmpi=install \--target-cpu=generic \-j 64

所有节点 CPU 型号一致的话，用默认自动优化拿更好的性能就行。

6.6 toolchain 编译完成

toolchain 顺利结束后，终端会出现类似下面的提示，看到就说明依赖这一步过了：

编译完成的产物会落在 install/ 目录下，后续主程序编译和运行环境都依赖它。

7. CP2K 主程序怎么编译？

toolchain 编完，接着编主程序。toolchain 目录下执行：

cd /public/softwares/cp2k-2026.2/tools/toolchain./build_cp2k.sh -j 64

这个脚本会自动加载 toolchain 生成的环境，并调用 CP2K 编译系统。

编译成功后，可执行文件一般在：

/public/softwares/cp2k-2026.2/install/bin

查看生成的文件：

ls -lh /public/softwares/cp2k-2026.2/install/bin

常见可执行文件：

文件	说明	LEEHPC 建议
`cp2k.popt`	MPI 并行版本，常用于多节点计算	HPC 集群优先用这个
`cp2k.psmp`	MPI + OpenMP 混合并行版本	想减少 MPI 进程数、加大每进程线程数时测试用
`cp2k.sopt`	串行优化版本	单机小任务用
`cp2k.ssmp`	OpenMP 版本	单节点多线程场景用

8. 运行环境怎么加载、怎么确认装好了？

跑 CP2K 前，先加载编译生成的环境变量：

source /public/softwares/cp2k-2026.2/install/cp2k_env

不确定文件在哪，直接搜：

find /public/softwares/cp2k-2026.2 -name cp2k_env

验证命令：

which cp2k.popt
cp2k.popt --version

能正常打出版本信息就说明环境加载对了，输出类似：

CP2K version 2026.2

9. 编译完怎么快速跑通一个测试？

准备一个 CP2K 输入文件，比如 test.inp，单节点 MPI 测试：

source /public/softwares/cp2k-2026.2/install/cp2k_envmpirun -np 64 cp2k.popt -i test.inp -o test.out

正常结束时，输出文件末尾通常有：

PROGRAM ENDED AT

或：

CP2K

而且没有明显的 ERROR、ABORT、NaN、Segmentation fault 之类的字样。

10. Slurm 作业脚本怎么写？

以纯 MPI 方式提交 cp2k.popt 为例：

#!/bin/bash
#SBATCH --job-name=cp2k_popt
#SBATCH --partition=compute
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=32
#SBATCH --cpus-per-task=1
#SBATCH --output=%x_%j.out
#SBATCH --error=%x_%j.err# 加载 CP2K 环境（含 toolchain 编译的 OpenMPI/OpenBLAS 等库路径）
source /public/softwares/cp2k-2026.2/install/cp2k_env# 纯 MPI 模式，每任务只留 1 个线程，避免和 MPI 进程抢核
export OMP_NUM_THREADS=1INPUT=your_input.inp
OUTPUT=your_output.outmpirun -np ${SLURM_NTASKS} cp2k.popt -i ${INPUT} -o ${OUTPUT}

多节点跑的话，把 --nodes 和 --ntasks-per-node 按实际资源改一下，mpirun -np ${SLURM_NTASKS} 会自动用上 Slurm 分配的总任务数。

11. 踩坑记录

下面这些坑都是实际部署时遇到的，按报错现象、原因、解决办法整理成表：

报错现象	原因分析	解决方案
`No such command: config-manager`	缺 dnf-plugins-core	`dnf install -y dnf-plugins-core`
`gfortran: command not found`	没加载 GCC 14 环境，或没装完整	`source /opt/rh/gcc-toolset-14/enable`，再不行 `dnf install -y gcc-toolset-14-gcc-gfortran`
toolchain 下载依赖失败、编译中断	外网访问受限	提前在可联网机器下载源码包放到 `build/` 或缓存目录，再重跑脚本
运行时报 `Illegal instruction`	`-march=native` 编译，二进制在较老 CPU 节点上跑	重编时加 `--target-cpu=generic`
`error while loading shared libraries: libxxx.so`	动态库路径没进 `LD_LIBRARY_PATH`	`source .../install/cp2k_env`；`ldd $(which cp2k.popt) \| grep "not found"` 定位缺哪个库
CP2K 找不到 basis/potential 文件	输入文件用了相对路径	`export CP2K_DATA_DIR=/public/softwares/cp2k-2026.2/data`，输入文件里写 `BASIS_SET_FILE_NAME BASIS_MOLOPT`、`POTENTIAL_FILE_NAME GTH_POTENTIALS`，或直接用绝对路径

补充一句：编译中途被 OOM 干掉（日志里只剩 Killed）的话，多半是 -j 并行数开太高，降到 -j 16 再试，用 dmesg | tail -n 50 确认。

12. 最终测试命令汇总

# 加载 GCC 14
source /opt/rh/gcc-toolset-14/enable# 加载 CP2K 环境
source /public/softwares/cp2k-2026.2/install/cp2k_env# 检查 MPI
which mpirun
mpirun --version# 检查 CP2K
which cp2k.popt
cp2k.popt --version# 运行测试
mpirun -np 64 cp2k.popt -i test.inp -o test.out

正式提供给用户之前，建议把下面几项过一遍：

cp2k.popt --version 正常；
简单输入文件可正常运行；
常用计算类型测试通过；
Slurm 作业可正常提交；
多节点 MPI 运行正常；
无 MKL 相关动态库残留。

13. 常见问题（FAQ）

Q1：为什么不用 Intel MKL 编译 CP2K，非要换成 GNU + OpenBLAS？

简单说就是稳。Intel 编译器加 MKL 编出来的 CP2K，在 AMD EPYC 平台、Intel 新架构配旧版 MKL、多节点 MPI、大规模矩阵对角化这些场景下，可能报 not enough memory、malloc failed，但节点物理内存实际没满——定位下来是 MKL 兼容性问题。GNU + OpenBLAS 这套组合能稳定绕开，多数常规 DFT、AIMD 任务性能差距不大，集群生产环境更省心。

Q2：不编译 ELPA 对 CP2K 性能影响大吗？

对多数常规 CP2K 计算，影响通常不大。ELPA 主要优化本征值求解场景，理论上能提速，但 GNU 环境下某些版本组合有 Fortran 接口兼容问题，折腾起来不值。等需要大规模对角化的任务多起来，可以单独再测。

Q3：集群节点 CPU 型号不一致，编译时要注意什么？

关键一条：别用默认的 -march=native。toolchain 会自动按编译节点的 CPU 做优化，编出来的二进制在指令集较老的节点上会报 Illegal instruction。异构集群编译时加 --target-cpu=generic，所有节点一致就用默认自动优化拿性能。

Q4：cp2k.popt 和 cp2k.psmp 该怎么选？

纯 MPI 场景用 cp2k.popt，每任务 1 线程，配 OMP_NUM_THREADS=1，适合大规模并行。想减少 MPI 进程数、加大每进程线程数时用 cp2k.psmp。具体哪个快，跟体系规模和节点配置有关，建议两种都测一下。

Q5：运行时提示找不到动态库 libxxx.so 怎么办？

先 source .../install/cp2k_env 确认 LD_LIBRARY_PATH 是否带上了编译出的库目录，再用 ldd $(which cp2k.popt) | grep "not found" 精确定位缺哪个库。根据 LEEHPC 团队实测经验，这类问题九成是环境没加载或者加载顺序不对，很少是库真的没编出来。

关于 LEEHPC 一粒海

LEEHPC 一粒海专注于高性能计算、AI 服务器与科学计算软件编译优化，提供 GPU/CPU 服务器定制、Slurm 集群调度、InfiniBand 网络部署、Lustre/BeeGFS 并行存储，以及 VASP、LAMMPS、CP2K、QE、ABACUS、GROMACS 等科研软件的编译与性能调优服务。

标签：#HPC 集群 #CP2K #RockyLinux #GCC #OpenBLAS #科学计算 #LEEHPC 一粒海

RockyLinux 8 编译安装 CP2K-2026.2（GNU/OpenBLAS 稳定版）

本文涵盖

1. 为什么这次用 GNU + OpenBLAS，而不是 Intel MKL？

2. 本次编译方案一览

3. 为什么把 GPU、ELPA、DeepMD 这些模块全关掉？

3.1 不编译 GPU 的原因

3.2 不编译 ELPA 的原因

3.3 不编译 DeepMD、LibTorch 和 GauXC 的原因

4. 编译前系统环境怎么准备？

4.1 启用 devel 仓库

4.2 安装 GCC Toolset 14

4.3 安装基础依赖

4.4 设置临时目录

5. 怎么下载解压 CP2K-2026.2 源码？

6. toolchain 依赖编译怎么做？

6.1 执行 toolchain 编译

6.2 参数说明

6.3 并行编译线程数怎么定

6.4 安装包和跳过包检查

6.5 CPU 架构自动识别与异构集群处理

6.6 toolchain 编译完成

7. CP2K 主程序怎么编译？

8. 运行环境怎么加载、怎么确认装好了？

9. 编译完怎么快速跑通一个测试？

10. Slurm 作业脚本怎么写？

11. 踩坑记录

12. 最终测试命令汇总

13. 常见问题（FAQ）

关于 LEEHPC 一粒海

最新新闻

日新闻

周新闻

月新闻

本文涵盖

1. 为什么这次用 GNU + OpenBLAS，而不是 Intel MKL？

2. 本次编译方案一览

3. 为什么把 GPU、ELPA、DeepMD 这些模块全关掉？

3.1 不编译 GPU 的原因

3.2 不编译 ELPA 的原因

3.3 不编译 DeepMD、LibTorch 和 GauXC 的原因

4. 编译前系统环境怎么准备？

4.1 启用 devel 仓库

4.2 安装 GCC Toolset 14

4.3 安装基础依赖

4.4 设置临时目录

5. 怎么下载解压 CP2K-2026.2 源码？

6. toolchain 依赖编译怎么做？

6.1 执行 toolchain 编译

6.2 参数说明

6.3 并行编译线程数怎么定

6.4 安装包和跳过包检查

6.5 CPU 架构自动识别与异构集群处理

6.6 toolchain 编译完成

7. CP2K 主程序怎么编译？

8. 运行环境怎么加载、怎么确认装好了？

9. 编译完怎么快速跑通一个测试？

10. Slurm 作业脚本怎么写？

11. 踩坑记录

12. 最终测试命令汇总

13. 常见问题（FAQ）

关于 LEEHPC 一粒海

相关新闻

光伏清洗机器人哪家选哪家：【凌度智能】首选设备 - 秋山寄远

结晶过程实时监测|助力可降解膜材与聚氨酯制品性能稳定可控

列车车轮缺陷智能检测数据集：800张图像、4大类别，助力铁路安全运维

最新新闻

日新闻

周新闻

月新闻