谷歌GKE动态切片

谷歌云（Google Cloud）于2026年11月10日正式推出GKE动态切片（Dynamic Slicing）功能，旨在解决大规模AI工作负载在TPU集群上的资源调度僵化问题。该功能通过光路交换技术（OCS），将逻辑TPU切片的形成与物理节点池的预置解耦，允许用户在运行时按需组装或分割TPU拓扑结构。

此前，管理TPU容量需要为每种切片拓扑创建固定的静态节点池，导致启动时间长、故障域大且资源利用率低。动态切片引入了“超切片”（Super-slicing）和“子切片”（Sub-slicing）两种模式：前者可将多个16-VM的TPU立方体拼接成更大拓扑以训练基础模型；后者可将单个立方体划分为独立的小切片以并发运行多个推理任务。据谷歌称，这一架构使AI工作负载的启动时间缩短至多5倍，故障恢复提速4.5倍，并支持部分健康节点的利用以提升整体效率。

【背景】该功能目前仅适用于Ironwood（TPU7x）及未来代际TPU，且需配合Kueue、JobSet等编排工具使用。对于平台团队而言，这意味着从“删除-重建”节点池的运维模式转向声明式的动态资源调度，显著降低了硬件故障对集群的影响范围。