进行中
SageMaker HyperPod 新增工作负载恢复与检查
- 报道
- 1
- 信源
- 1
- 首次报道
- 11/19 07:03
- 最近更新
- 11/19 07:03
AWS 为 Amazon SageMaker HyperPod 推出工作负载恢复与基础设施检查能力,包括 MultiNodeTrainingValidation 深度健康检查、Kubernetes 资源监控代理,以及面向 Slurm 集群的挂起作业检测。AWS 称这些功能可更早发现故障,提高训练工作负载的有效吞吐。 挂起作业检测需使用 2026 年 11 月 10 日及之后发布的 HyperPod Slurm AMI。该检测以代理形式运行在每个节点上,默认关闭,且只监控设置了 HYPERPOD_HANG_RULES 环境变量(指向规则文件路径)的作业。 AWS 提示,此次更新会替换每个实例的根卷,更新前需备份根卷上的数据。
热度48 小时内每个独立信源只算一次,24 小时减半
- 48 小时参与信源
- 1
- 6 小时新加入
- 0
- 24 小时新报道
- 1
- 热点排名
- —
热度曲线会在事件持续一段时间后出现。
事件进展1 个阶段
SageMaker HyperPod 推出工作负载恢复与基础设施检查
AWS Machine Learning Blog 等 1 篇报道
官方一手信息1 篇
Amazon SageMaker HyperPod 推出工作负载恢复与扩展基础设施检查
Amazon SageMaker HyperPod 新增工作负载恢复与基础设施检查能力,包括 MultiNodeTrainingValidation 深度健康检查、HyperPod Kubernetes Resource Monitoring Agent 和面向 Slurm 集群的挂起作业检测。
AWS Machine Learning Blog一手
全部报道1 篇
Amazon SageMaker HyperPod 推出工作负载恢复与扩展基础设施检查
Amazon SageMaker HyperPod 新增工作负载恢复与基础设施检查能力,包括 MultiNodeTrainingValidation 深度健康检查、HyperPod Kubernetes Resource Monitoring Agent 和面向 Slurm 集群的挂起作业检测。
AWS Machine Learning Blog一手
