推理卡故障恢复

推理卡故障恢复特性需要搭配整卡调度特性一起使用，开启推理卡故障恢复特性只需要将Ascend Device Plugin的启动参数“-hotReset”取值设置为“0”（默认为“-1”，不支持故障恢复功能）。具体使用方式请参考整卡调度或静态vNPU调度（推理）。

Atlas 800I A2 推理服务器、A200I A2 Box 异构组件使用推理卡故障恢复特性，仅支持下发单机单卡任务，不支持分布式任务，且需要单独使用infer-vcjob-910-hotreset.yaml示例下发任务。

Atlas 800I A2 推理服务器存在以下两种故障恢复方式，一台Atlas 800I A2 推理服务器只能使用一种故障恢复方式，由集群调度组件自动识别使用哪种故障恢复方式。

• 方式一：执行推理任务中，NPU出现故障，Ascend Device Plugin等待该NPU空闲后，将该NPU进行复位操作。
• 方式二：执行推理任务中，Atlas 800I A2 推理服务器中出现一个或多个故障NPU，Ascend Device Plugin等待8个NPU全部空闲后，同时对8个NPU进行复位操作。