推理卡故障恢复

功能特点

集群调度组件管理的推理NPU资源出现故障后，将对故障资源（对应NPU）进行热复位操作，使NPU恢复健康。

所需组件

• 调度器（MindCluster Volcano或其他调度器）
• MindCluster Ascend Device Plugin
• MindCluster Ascend Docker Runtime
• MindCluster ClusterD
• MindCluster NodeD

使用说明

• 安装组件请参考安装部署章节进行操作。
• 特性使用指导请参考推理卡故障恢复章节进行操作。