特性说明
在无K8s的场景下，训练或推理进程异常后，没有有效的恢复手段。为了解决上述问题，可以配置容器恢复特性。若要支持容器恢复特性，需要安装Container Manager组件。Container Manager组件的安装操作详细请参见安装部署。
功能名称 |
说明 |
原理介绍及配置步骤 |
|---|---|---|
故障检测 |
该特性具有故障检测功能，支持实时监测350+硬件类故障的故障检测。 |
|
故障处理 |
该特性具有故障处理功能，针对故障级别配置为RestartRequestCodes、RestartBusinessCodes、FreeRestartNPUCodes和RestartNPUCodes的故障，故障发生后不需要人工介入就可自动恢复故障设备。 |
|
容器恢复 |
该特性具有容器恢复功能，用户可配置容器启停的策略，针对故障级别配置为RestartRequestCodes、RestartBusinessCodes、FreeRestartNPUCodes和RestartNPUCodes的故障，故障发生时将容器停止，故障恢复后重新将容器拉起。 |
本特性不适用于算力虚拟化场景，不支持共享设备特性及混插模式。
父主题： NPU硬件故障检测与恢复