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。

最新进展Amazon SageMaker HyperPod 推出工作负载恢复与扩展基础设施检查

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

官方一手信息1 篇

全部报道1 篇

#部署工程#产品更新