摘要：本文提出了在资源管理系统中基于作业检查点实现自动容错支持，深入分析了作业与任务检查点分离、映像文件管理、自动恢复执行等关键技术。基于BLCR在SLURM中实现了作业的自动检查点／恢复，详细介绍了实现中的关键技术难题。分析与测试表明，检查点与恢复执行功能正确，并能有效缩短大规模作业成功运行所需的时间。

关键词：容错 资源管理 

单位：国防科技大学计算机学院 湖南长沙410073