TaskD

组件应用场景

组件功能

• 针对MindSpore框架提供适配昇腾设备的进程管理功能，在出现软硬件故障时，完成训练进程的停止与重启。
• MindSpore场景下，负责对接K8s的集群控制中心，根据集群控制中心完成训练管理，管理训练任务的状态。

• 提供训练数据的轻量级profiling能力，根据集群控制中心控制完成profiling数据采集。

组件上下游依赖

• MindCluster集群调度组件通过K8s将设备和训练状态等信息写入ConfigMap中，并映射到容器内，ConfigMap名称为reset-config-任务名称。
• MindCluster集群调度组件通过K8s将训练状态检测指令写入ConfigMap中，并映射到容器内。

• TaskD Agent通过ConfigMap获取当前训练容器所使用的设备状况和训练任务状态等信息。
• TaskD Agent对接K8s集群控制中心，根据集群控制中心完成训练管理。

• TaskD Worker通过ConfigMap获取当前任务的训练检测功能开启指令。