Vieningas Kubernetes darbo krūvio valdymas naudojant NVIDIA Workload Map
Trumpai: NVIDIA pristatė „Workload Map“ – įrankį, skirtą suteikti bendrą būdą „Kubernetes“ planuokliams ir platformoms interpretuoti įvairius paskirstytus dirbtinio intelekto darbo krūvius. Naudojant deklaratyvius YAML apibrėžimus, nebereikia kurti specialių pritaikymo adapterių kiekvienai naujai sistemai, tokiai kaip „JobSet“, „Ray“ ar „KServe“.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „NVIDIA Developer“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Bendras darbo krūvio aprašymas „Kubernetes“, pakeičiantis specialius adapterius.
- 2Palaikymas iš anksto paruoštam katalogui, įskaitant „JobSet“, „PyTorchJob“, „Ray“, „KServe“, „Knative“, „MPIJob“ ir „NVIDIA NIM“.
- 3„Workload Map CLI“, skirtas klasteriui nepriklausomai darbo krūvių hierarchijos ir resursų naudojimo peržiūrai.
- 4Atviro kodo (Apache 2.0) „Go“ biblioteka programiniam darbo krūvių struktūrų sprendimui.
Kodėl tai svarbu?
Paskirstytų AI mokymų ir išvadų valdymas „Kubernetes“ aplinkoje dažnai reikalauja rašyti unikalų kodą kiekvienam karkasui. Šis įrankis tai supaprastina perkeldamas logiką į standartizuotus duomenų failus, taip pagreitinant naujų DI infrastruktūros komponentų diegimą.
Ką tai reiškia AI agentams ir kontaktų centrams?
Jei jūsų infrastruktūros komanda valdo sudėtingus, kelių mazgų DI klasterius, šis įrankis gali gerokai sumažinti „adapterių mokesčio“ naštą pridedant naujus karkasus. Vertinant savo orkestravimo steką, palyginkite, kaip tai supaprastina resursų matomumą ir grupinį planavimą (gang scheduling), palyginti su esamomis rankinėmis analizės įgyvendinimo priemonėmis.
🧪 Verta testuoti
„Workload Map“ testavimas leidžia nuosekliau stebėti ir planuoti paskirstytas užduotis skirtinguose DI karkasuose, nebereikalaujant individualių įrankių kiekvienam iš jų.
Šaltiniai
- NVIDIA DeveloperOficialusPirminis šaltinisOriginalus straipsnis →„Support New AI Frameworks Faster Using NVIDIA Workload Map“2026-11-02 18:00
- Šaltinio publikavimo data
- 2026-11-02 18:00
- Mūsų sistema rado
- 2026-11-02 18:25
- Santrauka sugeneruota
- 2026-11-02 18:26
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas