VolcanoJob接口由开源组件Volcano提供,MindCluster修改了VolcanoJob接口的Annotations字段,如所示。其他接口未改动,了解开源Volcano的详细说明请参见Volcano开源社区。
表 1 Annotations参数说明
[object Object][object Object]
[object Object]undefined
对于volcano-scheduler和volcano-controller组件Pod开放的接口(开源组件本身定义),做出如下说明。
表 2 集群调度Volcano组件开放接口列表
[object Object][object Object]
[object Object]undefined
[object Object]
表 1 集群调度组件对PodGroup label使用说明
[object Object][object Object]
表 2 集群调度组件对PodGroup annotations使用说明
[object Object][object Object]
[object Object]表 3 huawei.com/schedule_policy配置说明
[object Object][object Object]
表 1 集群调度组件对Pod label使用说明
[object Object][object Object]
[object Object]表 2 集群调度组件对Pod annotations使用说明
[object Object][object Object]
[object Object]表 3 集群调度组件对PodGroup Status.Conditions使用说明
[object Object][object Object]
[object Object]tor-share-cm[object Object][object Object]
表 1 tor-share-cm
[object Object][object Object]
[object Object]vcjob-fault-npu-cm[object Object][object Object]
表 2 vcjob-fault-npu-cm字段说明
[object Object][object Object]
[object Object]reset-config-<任务名称>[object Object][object Object]
MindCluster集群调度组件通过K8s将设备和训练任务状态等信息写入reset-config-<任务名称> ConfigMap中,并映射到容器内。Elastic Agent读取后进行相应的故障检测与处理。
表 3 reset-config-<job-name>
[object Object][object Object]
[object Object]mindx-dl/job-reschedule-reason[object Object][object Object]
该ConfigMap用于记录任务重调度历史信息,默认情况下会保存任务最近的十次重调度记录,当ConfigMap内容超过950Kb时会依次删除每个任务中发生时间最早的记录。
表 4 任务字段说明
[object Object][object Object]
[object Object]表 5 RescheduleRecords说明
[object Object][object Object]
[object Object]表 6 ReasonOfTask说明
[object Object][object Object]
[object Object]basic-tor-node-cm[object Object][object Object]
表 1 basic-tor-node-cm
[object Object][object Object]
[object Object]volcano-scheduler-configmap[object Object][object Object]
表 1 volcano-scheduler-configmap字段说明
[object Object][object Object]
[object Object]