RockyLinux 8 编译安装 CP2K-2026.2（GNU/OpenBLAS 版）完整实战指南

本文由 LEEHPC 一粒海团队整理发布，原文首发于微信公众号「服务器与科学计算」

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

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 --versiong++ --versiongfortran --version

正常输出类似：

gcc (GCC) 14.x.xGNU 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

5. 怎么下载解压 CP2K-2026.2 源码？

mkdir -p /public/softwarescd /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.bz2cd /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

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：

lscpunproc

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：