Agente di monitoraggio della salute

Questa sezione descrive la serie di controlli di integrità SageMaker HyperPod utilizzati per monitorare regolarmente lo stato delle istanze del cluster per individuare eventuali problemi con dispositivi quali acceleratori (core GPU e Trainium) e reti (EFA). SageMaker HyperPod un agente di monitoraggio dello stato di salute (HMA) monitora continuamente lo stato di salute di ciascuna istanza. GPU-based Trainium-based Quando rileva un errore dell’istanza o della GPU, l’agente contrassegna l’istanza come non integra.

SageMaker HyperPod HMA esegue gli stessi controlli sanitari per gli orchestratori EKS e Slurm. Per ulteriori informazioni su HMA, vedere. Sistema di monitoraggio della salute