跳转到主要内容
/admin/capacity 上两个标签页,仅管理员。它们本来就是一起读的:一个说硬件有多忙,另一个说到底有 哪些硬件。 旧的 /utilization 和 /fleets 链接都落到这里。?tab=fleets/<fleet-id> 打开某一个 Fleet 的 机器,它们自己就能占满一页。

Utilization 标签页

unschedulable 不等于忙。一张卡落到那里,是因为健康检查发现了待退役的 ECC 或未纠正错误,或者有 平台之外的进程占着它。

Fleets 标签页

一个 Fleet 是由一种后端管理的、已注册的命名机器集合,也是作业或 deployment 被放置到的对象。 这四种清点状态从不互相取整。一个 unknown 的读数什么都不能证明,所以它既不拒绝任何作业、也不 靠兜底准入任何作业,而一个没上报的卡数读作 null 而不是 0。一个连不上的后端不是一个什么都没有 的集群。 发现说的是存在什么。它从不说什么是空闲的。

你能做什么

只有 node Fleet 在这里注册机器。Kubernetes 和 Slurm 管理各自的节点,因此 Join Token、节点凭据和心跳仅用于 node Fleet。在一个 kubernetes Fleet 上索要一个会被拒绝,而不是产出一条没有东西能兑现的记录。 外部清点是只读的。平台不会 cordon 一个 Kubernetes 节点,也不会 drain 一个 Slurm 分区:一个去改动 别人调度器的控制面,需要一个这个平台还没给出的论证。

下一步

Fleet · 硬件 · 设置