已关闭
[RFC]: 支持天工三级组网和性调度和重调度 #100
maybeclear创建于  1月26日关闭于  3月26日
maybeclear成员
1月26日 创建

提交提案之前,请先检索仓库内是否已有相同的提案,如已有请在同一提案中进行讨论。

需求背景

昇腾天工硬件项目规模网络上分为三级网络

提议方案

方案目标:支持通用的多层亲和性调度及故障重调度
方案描述:

  1. device-plugin组件获取到A3或者A5超节点或者框信息之后,自动按照从低到高的层级给节点配上网络层级标签
  2. 任务配置中新增调度策略用于标识多级调度策略,以及多级调度时的子任务约束。
  3. volcano插件通过节点拓扑信息标签在生成集群网络拓扑树缓存。
  4. volcano插件根据任务配置和集群网络拓扑调度任务。
  5. 任务故障后将根据当前已调度的缓存信息,优先从故障节点所在的亲和性单元内选择可用节点。

意见征集周期

抄送名单

yukunQin
chenyuanming008
lirui2381
daisycc1

其他补充说明

欢迎加入社区,感谢您对社区的贡献 🎉!

likedislike
Mmaybeclear成员
1月26日 添加了label:volcano
Mmaybeclear成员
1月26日 添加了label:调度, device-plugin
ascend-robotascend-robot成员
1月26日 添加了label:训练RAS, 推理RASoperatorclusterd
Mmaybeclear成员
1月26日 关联了里程碑:MindCluster 26.0.0
Mmaybeclear成员
1月26日 issue类型由 Bug-Report 改变为 需求
Mmaybeclear成员
1月26日 将 maybeclear 设为负责人
xiangjie10成员
1月27日 评论:

/label add feature

likedislike
ascend-robotascend-robot成员
1月27日 添加了label:feature
Atlas_zxp
Atlas_zxp成员
2月11日 评论:

/label add triaged

likedislike
ascend-robotascend-robot成员
2月11日 添加了label:triaged
此处折叠了12条事件消息 查看更多
Mmaybeclear成员
7月14日 关联了pull request:支持的硬件形态和操作系统版本新增Atlas 9000 A3 SuperPod算力集群系统