安装前必读

Ascend Docker Runtime

为训推任务提供容器化支持，自动挂载所需文件和设备依赖。

Ascend Device Plugin

基于Kubernetes设备插件机制，提供昇腾AI处理器的设备发现、分配和健康状态上报功能，使能Kubernetes管理昇腾AI处理器资源。

NPU Exporter

实时监测昇腾AI处理器的资源指标，获取如昇腾AI处理器的利用率、温度、电压等信息。

Volcano

基于开源Volcano调度插件机制，增加昇腾AI处理器的亲和性调度、故障重调度等特性，最大化发挥昇腾AI处理器计算性能。

ClusterD

提供集群级别的可用资源信息。收集集群任务信息、资源信息和故障信息及影响范围，从任务、芯片和故障维度统计分析。

Ascend Operator

提供训练任务生命周期管理，为不同AI框架的分布式训练任务提供相应的环境变量、生成分布式训练任务依赖的集合通信配置。

NodeD

提供节点状态上报功能，上报如节点健康状态、CPU和内存等故障信息。

Resilience Controller

提供弹性缩容训练服务。在训练任务使用的硬件发生故障时，剔除该硬件并继续训练。

Elastic Agent

对接K8s集群控制中心，根据集群控制中心完成训练管理。了解Elastic Agent的安装步骤请参见制作镜像。

TaskD

MindCluster集群调度的TaskD组件提供昇腾设备上训练及推理任务的状态监测和状态控制能力。了解TaskD的安装步骤请参见制作镜像。

MindIO ACP

在大模型训练中，使用训练服务器内存作为缓存，对CheckPoint的保存及加载进行加速。了解MindIO ACP的详细介绍及安装步骤请参见《MindCluster CheckPoint保存与加载优化》。

MindIO TFT

MindIO TFT包括TTP、UCE和ARF等功能。

了解MindIO TFT的详细介绍及安装步骤请参见《MindCluster 故障恢复加速》。