跳到正文
热点事件持续更新

SageMaker HyperPod增强可观测性

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

AWS宣布为Amazon SageMaker HyperPod推出增强型可观测性功能,面向EKS和Slurm分布式训练提供GPU异常检测与诊断,可识别硬件故障、EFA吞吐下降、限频和过热问题。默认指标覆盖集群健康、CPU/磁盘/操作系统使用率、GPU利用率与温度及单任务资源使用率,并支持将指标存储于CloudWatch或Amazon Managed Service for Prometheus。EKS集群以插件形式提供,Slurm集群以扩展形式提供,安装和变更权限由IAM控制;该功能已在SageMaker HyperPod可用的全部AWS区域上线。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AWS Machine Learning Blog
    Amazon SageMaker HyperPod 发布增强型基础设施可观测性功能

    AWS 发布 Amazon SageMaker HyperPod 增强型可观测性功能,面向 EKS 和 Slurm 分布式训练提供 GPU 异常检测与诊断。功能包含默认与高级指标、CloudWatch 和 Amazon Managed Service for Prometheus 两种指标存储,并可识别硬件故障、EFA 吞吐下降、限频及过热问题。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。