Spack 是一款专为 HPC/超算、Linux/macOS/Windows 设计的 开源、跨平台、多版本/多编译器/多配置 软件包管理器，核心解决科学计算软件“版本冲突、依赖地狱、编译复杂、环境不可复现”四大痛点。

Install Software Using Spack
spack-tutorial
SPACK Package Manager

---

一、核心定位与优势

• 全称：Supercomputer Package Manager
• 开发：美国 Lawrence Livermore National Lab (LLNL) 主导
• 核心能力：
  • 多版本共存：同一软件 N 个版本/编译器/配置互不干扰
  • 自动依赖解析：一键安装，自动处理全链路依赖
  • 高度定制：指定版本、编译器、编译选项、CPU 架构、依赖版本
  • 环境管理：spack env 实现可复现、可分发的软件环境
  • 模块生成：自动生成 Environment Modules / Lmod 文件
  • 超大规模：支持千万核超算、跨节点集群、异构（CPU/GPU）
  • 包库丰富：内置 8000+ 包（HPC 全栈：MPI、数学库、仿真、AI 等）

---

二、安装（极简）

1. 克隆（无需 root）

git clone https://github.com/spack/spack.git ~/spack

2. 激活（每次登录执行）

# bash/zsh
. ~/spack/share/spack/setup-env.sh

# csh/tcsh
source ~/spack/share/spack/setup-env.csh

3. 验证

spack --version

---

三、核心 Spec 语法（必掌握）

spack install <spec> 中 spec 精准定义安装需求：

符号	作用	示例
@	指定版本	hdf5@1.14.3
%	指定编译器	hdf5 %gcc@12.2
+/-	开启/关闭特性	hdf5 +hl -szip
name=val	编译参数	hdf5 api=v110
cflags/cxxflags/fflags	编译优化	hdf5 cflags="-O3 -march=native"
target=	CPU 架构	hdf5 target=icelake
^	指定依赖版本	hdf5 ^zlib@1.2.13

复合示例：

spack install hpctoolkit@2025.01 %gcc@12.2 +cuda cuda_arch=80 ^python@3.11

---

四、常用命令（HPC 必备）

1. 查询

spack list                # 所有可安装包
spack list hdf            # 模糊搜索
spack info hdf5           # 包详情（版本、依赖、变体）
spack versions hdf5       # 可用版本
spack compilers           # 已识别编译器
spack find                # 已安装包（含哈希）
spack find --deps hdf5     # 依赖树
spack spec hdf5 +hl       # 预演安装（不安装）

2. 安装（核心）

# 最简
spack install hdf5

# 指定版本+编译器
spack install hdf5@1.14.3 %gcc@12.2

# 开启特性+优化
spack install hdf5 +hl +threadsafe cflags="-O3 -march=native"

# GPU 软件（CUDA）
spack install petsc +cuda cuda_arch=70,80,90

# MPI 并行
spack install openmpi +cuda +pmi

# 安装后加载
spack load hdf5

3. 卸载/清理

spack uninstall hdf5       # 卸载
spack clean --all          # 清理缓存（源码/构建）
spack gc                   # 清理无用依赖

4. 环境管理（可复现）

# 1. 创建环境
spack env create my-hpc-env

# 2. 激活（-p 显示环境名）
spack env activate -p my-hpc-env

# 3. 添加包（不立即安装）
spack add hpctoolkit +cuda
spack add petsc +mpi +cuda
spack add openmpi

# 4. 解析依赖+安装
spack concretize
spack install

# 5. 退出环境
spack env deactivate

# 6. 环境备份（spack.yaml + spack.lock）
spack env activate my-hpc-env
spack env create --from-file spack.yaml new-env

5. 模块（Modules）

spack module lmod refresh   # 生成 Lmod
module avail                # 查看
module load hdf5/1.14.3-gcc-12.2

---

五、HPC 常用工作流（示例）

1. 安装 OpenMPI + CUDA

spack install openmpi@4.1.5 %gcc@12.2 +cuda +pmi cuda_arch=80

2. 安装 PETSc（全功能）

spack install petsc@3.20 %gcc@12.2 +mpi +cuda +metis +mumps +superlu-dist

3. 安装性能分析工具

spack install hpctoolkit +cuda
spack install tau +cuda +mpi
spack install scorep +cuda +mpi

4. 可复现环境（团队共享）

# 本地
spack env create cfd-workflow
spack env activate cfd-workflow
spack add openmpi petsc hpctoolkit
spack concretize
spack install
spack env dump > spack.yaml

# 同事
spack env create cfd-workflow --from-file spack.yaml
spack env activate cfd-workflow
spack install

---

六、关键特性（HPC 价值）

1. 非破坏性安装：新版本不覆盖旧版本，多配置共存
2. 哈希唯一标识：每个安装有唯一哈希，避免版本混淆
3. 跨平台一致：笔记本→集群→超算同命令
4. 二进制缓存：spack buildcache 预编译，加速部署
5. 外部包：spack external find 复用系统库（如 CUDA、MPI）
6. 自定义包：spack create 轻松写 package.py（Python）

---

七、与 conda/pip/apt 对比

特性	Spack	Conda/pip	apt/yum
多版本/编译器	✅ 极强	❌ 弱	❌ 不支持
从源码编译优化	✅ 原生	⚠️ 有限	✅ 预编译
HPC 库覆盖	✅ 8000+	⚠️ 部分	❌ 极少
超算/集群	✅ 原生支持	❌ 不适用	❌ 不适用
可复现环境	✅ spack.yaml	✅ environment.yml	❌

---

八、一句话总结

Spack = HPC 领域的 conda + 源码编译 + 多版本管理 + 环境可复现
是超算中心、科研团队、个人开发者管理复杂科学计算软件栈的事实标准工具。