SageMaker HyperPod增强可观测性
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
最新进展11月21日 02:24
Amazon SageMaker HyperPod 发布增强型基础设施可观测性功能报道时间线
沿着报道,了解事件的不同侧面。
11月21日
- AWS Machine Learning BlogAmazon 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。