建議的彈性組態 - Amazon SageMaker AI

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。

建議的彈性組態

深層運作狀態檢查啟用時，每當新的執行個體新增至 HyperPod 叢集時 (無論是在建立叢集期間或透過自動節點取代)，新的執行個體都會經歷大約幾個小時的深層運作狀態檢查程序 (執行個體層級壓力測試)。以下是建議的彈性組態組合，取決於可能的案例。

  1. 案例：當叢集內有其他備用節點做為備份資源時 (不使用完整容量)，或者如果您可以等待大約 2 小時，讓深層運作狀態檢查程序取得較不容易出錯的執行個體。

    建議：在整個叢集生命週期中啟用深層運作狀態檢查組態。節點自動復原組態預設為啟用。

  2. 案例：當您沒有其他備份節點時 (容量完全用於某些訓練負載)。您想要盡快取得替換節點，以繼續訓練任務。

    建議：在叢集建立期間啟用深層運作狀態檢查，然後在叢集建立之後關閉深層運作狀態檢查組態。節點自動復原組態預設為啟用。

  3. 案例：當您沒有額外的備份節點，而且您不想等待大約 2 小時的深度運作狀態檢查程序時 (小型叢集)。

    建議：停用整個叢集生命週期的深層運作狀態檢查組態。節點自動復原組態預設為啟用。

如果您想要立即從失敗中繼續訓練任務，請確定叢集中有額外的備用節點做為備份資源。