阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯实质变化1 分钟阅读DisconfirmAI 编辑部

AWS推出SageMaker HyperPod Slurm托管集群扩展

AWS推出声明式API管理功能,用于Slurm节点上的可观测性和用户软件,防止AI集群配置漂移。

2026-11-21 07:07

亚马逊云科技(AWS)推出了针对Amazon SageMaker HyperPod Slurm集群的托管集群扩展。这一新功能将此前用于基础设施配置的声明式、API和控制台驱动的方法应用于集群节点上运行的软件,专门针对可观测性和用户管理。

此前,管理共享Slurm集群上的软件主要依赖于仅在节点预配期间运行的生命周期脚本。随着研究人员加入或离开,或团队请求特定指标,这些脚本需要手动编辑和节点替换,导致配置漂移,使节点随时间变得不一致。新的扩展允许管理员通过API或AWS控制台声明所需的软件状态。AWS在应用之前验证这些设置,并确保所有节点(包括通过缩放或替换添加的节点)的一致性。

目前提供两个初始扩展:sagemaker-observability,收集节点、GPU、弹性结构适配器(EFA)和Slurm作业指标,并将其发送到Amazon CloudWatch或Amazon Managed Service for Prometheus;以及sagemaker-user-management,在所有节点上创建具有相同ID的用户和组,控制SSH/sudo访问,将用户注册到Slurm会计系统,并可与Active Directory集成。用户保留对节点的完全直接访问权限以进行自定义配置,但扩展为常见运维任务提供了托管路径。

来源

  • aws.amazon.comAmazon Web Services↗
带入研究 →
登录 / 注册
阅读研究雷达投资体系