本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

持续配置以在 Amazon EKS 上增强集群操作

使用 Amazon EKS 编排创建的 Amazon SageMaker HyperPod 集群现在支持持续配置，这是一项新功能，可提高运行大规模 AI/ML 工作负载的灵活性和效率。持续配置使您可以快速开始训练、无缝扩展、在不中断操作的情况下执行维护，并对集群操作进行精细的可见性。

工作方式

持续配置通过事件驱动的架构运行，该架构可独立管理每个实例。创建 HyperPod 集群时，您需要为每个实例组指定所需的实例数量。持续配置系统：

默认情况下，连续配置处于禁用状态。要使用此功能，请将设置--node-provisioning-mode为Continuous。

启用持续配置后，您可以同时启动多个扩展操作，而无需等待之前的操作完成。这使您可以同时扩展同一个集群中的不同实例组，并向同一个实例组提交多个扩展请求。

持续配置还允许您访问DescribeClusterEvent和ListClusterEvent查看详细的事件监控和操作可见性。

使用量计量

HyperPod 具有持续预配功能的集群使用实例级计量来提供反映实际资源使用情况的准确账单。这种计量方法不同于传统的集群级计费，它独立跟踪每个实例。

实例级计费

通过持续配置，计费将在单个实例级别开始和停止，而不是等待集群级别的状态变化。这种方法具有以下好处：

账单生命周期

HyperPod 集群中的每个实例都遵循以下账单生命周期：

创建启用了持续配置的集群

以下 AWS CLI 操作创建了一个具有一个实例组并启用了持续配置的 HyperPod 集群。

aws sagemaker-dev create-cluster \ 
--cluster-name $HP_CLUSTER_NAME \
--orchestrator 'Eks={ClusterArn='$EKS_CLUSTER_ARN'}' \
--vpc-config '{
   "SecurityGroupIds": ["'$SECURITY_GROUP'"],
   "Subnets": ["'$SUBNET'"]
}' \
--instance-groups '{
   "InstanceGroupName": "ig-1",
   "InstanceType": "ml.c5.2xlarge",
   "InstanceCount": 2,
   "LifeCycleConfig": {
      "SourceS3Uri": "s3://'$BUCKET_NAME'",
      "OnCreate": "on_create_noop.sh"
   },
   "ExecutionRole": "'$EXECUTION_ROLE'",
   "ThreadsPerCore": 1,
   "TrainingPlanArn": ""
}' \
--node-provisioning-mode Continuous


// Expected Output:
{
    "ClusterArn": "arn:aws:sagemaker:us-west-2:<account-id>:cluster/<cluster-id>"
}

创建集群后，您可以使用ListClusterNodes或DescribeClusterNode来查找有关集群中节点的更多信息。

调用这些操作将返回一个具有以下值之一的ClusterInstanceStatusDetails对象：