公共故障

上报机制

公共故障发送方发现故障后，将通过ConfigMap或gRPC方式，将获取到的故障信息发送给ClusterD。ClusterD会将接收到的信息进行汇总写入cluster-info-device-cm，再上报给Ascend-volcano-plugin。

• 通过ConfigMap获取。故障发现者将故障信息写入ConfigMap中，然后由ClusterD获取故障信息。用户可通过调用ConfigMap接口的方式来注入公共故障，详细说明请参见ConfigMap。
• 通过gRPC获取。故障发现者将故障信息通过gRPC通道发送给ClusterD，然后由ClusterD获取故障信息。用户可通过调用gRPC接口的方式来注入公共故障，说明请参见gRPC接口。

图1 公共故障上报

所需组件

为保证公共故障检测功能的正常使用，需要安装以下组件。

• 必选组件：Volcano、Ascend Operator、Ascend Device Plugin、ClusterD、
• 可选组件：NodeD

支持的故障处理类型

Job级别重调度、Pod级别重调度、进程级别重调度

（可选）配置故障检测的级别和发送方

断点续训针对公共故障提供了默认的故障级别以及支持的故障发送方。若用户需要修改公共故障的级别及故障发送方，可参见公共故障。若无特殊需求，请勿随意修改。