本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 建立 NodeClass
**重要**
您必須在執行個體群組中從 0 個節點開始，並讓 Karpenter 處理自動擴展。如果您從超過 0 個的節點開始，Karpenter 會將它們縮減為 0。
節點類別 (`NodeClass`) 定義套用至 Amazon EKS 叢集中節點群組的基礎設施層級設定，包括網路組態、儲存設定和資源標記。`HyperPodNodeClass` 是對應至 SageMaker HyperPod 中預先建立執行個體群組的自訂 `NodeClass`，其中定義 Karpenter 自動擴展決策支援哪些執行個體類型和可用區域的限制。
**建立節點類別的考量**
+ 您可以在 `NodeClass` 中指定最多 10 個執行個體群組。
+ 使用 的執行個體群組 `InstanceRequirements`（彈性執行個體群組） 可以在單一執行個體群組中包含多個執行個體類型。這可簡化您的`NodeClass`組態，因為您可以參考較少的執行個體群組，以涵蓋相同的一組執行個體類型和可用區域。例如，您可以建立涵蓋所有組合的單一彈性執行個體群組，而不是建立 6 個執行個體群組 (3 個執行個體類型 × 2 AZs)。請注意， `InstanceType`和 `InstanceRequirements` 是互斥的，您必須為每個執行個體群組指定一個。
+ 搭配 MIG （多執行個體 GPU) 使用 GPU 分割時，Karpenter 可以自動佈建已啟用 MIG 執行個體群組的節點。確保您的執行個體群組包含 MIG 支援的執行個體類型 (ml.p4d.24xlarge、ml.p5.48xlarge 或 ml.p5e/p5en.48xlarge)，並在叢集建立期間設定適當的 MIG 標籤。如需設定 GPU 分割的詳細資訊，請參閱 [在 Amazon SageMaker HyperPod 中使用 GPU 分割區](sagemaker-hyperpod-eks-gpu-partitioning.md)。
+ 如果自訂標籤套用至執行個體群組，您可以在查詢`HyperpodNodeClass`狀態時於 `desiredLabels` 欄位中檢視它們。這包括 MIG 組態標籤，例如 `nvidia.com/mig.config`。當傳入任務請求 MIG 資源時，Karpenter 會自動擴展已套用適當 MIG 標籤的執行個體。
+ 如果您選擇刪除執行個體群組，建議您先將其從 `NodeClass` 中移除，再從 HyperPod 叢集中刪除。如果在 `NodeClass` 中使用執行個體群組時將其刪除，則 `NodeClass` 會標示為未 `Ready` 進行佈建，且不會用於後續擴展操作，直到執行個體群組從 `NodeClass` 中移除為止。
+ 當您從 `NodeClass` 移除執行個體群組時，Karpenter 會在執行個體群組中偵測到由 Karpenter 管理的節點上出現漂移，並根據您的中斷預算控制中斷節點。
+ 執行個體群組使用的子網路應屬於相同的 AZ。子網路是在執行個體群組層級或叢集層級使用 `OverrideVpcConfig` 來指定。預設會使用 `VpcConfig`。
+ 目前僅支援隨需容量。不支援具有訓練計畫或預留容量的執行個體群組。
+ 不支援具有 `DeepHealthChecks (DHC)` 的執行個體群組。這是因為 DHC 大約需要 60-90 分鐘才能完成，在此期間 Pod 將保持待定狀態，這可能會導致過度佈建。
下列步驟涵蓋如何建立 `NodeClass`。
1. 使用您的 `NodeClass` 組態建立 YAML 檔案 (例如 nodeclass.yaml)。
1. 使用 kubectl 將組態套用至您的叢集。
1. 參考 `NodePool` 組態中的 `NodeClass`。
1. 以下是使用 ml.c5.xlarge 和 ml.c5.4xlarge 執行個體類型的範例 `NodeClass`：
```
apiVersion: karpenter.sagemaker.amazonaws.com/v1
kind: HyperpodNodeClass
metadata:
name: sample-nc
spec:
instanceGroups:
# name of InstanceGroup in HyperPod cluster. InstanceGroup needs to pre-created
# MaxItems: 10
- auto-c5-xaz1
- auto-c5-4xaz2
```
1. 套用組態：
```
kubectl apply -f nodeclass.yaml
```
1. 監控 NodeClass 狀態，以確保狀態中的 Ready 條件設定為 True：
```
kubectl get hyperpodnodeclass sample-nc -o yaml
```
```
apiVersion: karpenter.sagemaker.amazonaws.com/v1
kind: HyperpodNodeClass
metadata:
creationTimestamp: ""
name: sample-nc
uid:
spec:
instanceGroups:
- auto-c5-az1
- auto-c5-4xaz2
status:
conditions:
// true when all IGs in the spec are present in SageMaker cluster, false otherwise
- lastTransitionTime: ""
message: ""
observedGeneration: 3
reason: InstanceGroupReady
status: "True"
type: InstanceGroupReady
// true if subnets of IGs are discoverable, false otherwise
- lastTransitionTime: ""
message: ""
observedGeneration: 3
reason: SubnetsReady
status: "True"
type: SubnetsReady
// true when all dependent resources are Ready [InstanceGroup, Subnets]
- lastTransitionTime: ""
message: ""
observedGeneration: 3
reason: Ready
status: "True"
type: Ready
instanceGroups:
- desiredLabels:
- key:
value:
- key: nvidia.com/mig.config
value: all-1g.5gb
instanceTypes:
- ml.c5.xlarge
name: auto-c5-az1
subnets:
- id:
zone:
zoneId:
- instanceTypes:
- ml.c5.4xlarge
name: auto-c5-4xaz2
subnets:
- id:
zone:
zoneId:
# Flexible instance group with multiple instance types
- instanceTypes:
- ml.p5.48xlarge
- ml.p4d.24xlarge
- ml.g6.48xlarge
name: inference-workers
subnets:
- id:
zone:
zoneId:
- id:
zone:
zoneId:
```