yaml参数说明

minAvailable

• 单机：1
• 分布式：N

N为节点个数，Deployment类型的任务不需要该参数，该参数建议与replicas保持一致。

replicas

• 单机：1
• 分布式：N

N为节点个数。

image

-

训练镜像名称，请根据实际修改（用户在制作镜像章节制作的镜像名称）。

host-arch

Arm环境：huawei-arm

x86_64环境：huawei-x86

需要运行训练任务的节点架构，请根据实际修改。

分布式任务中，请确保运行训练任务的节点架构相同。

accelerator-type

根据所使用芯片类型不同，取值如下：

• Atlas 800 训练服务器（NPU满配）：module
• Atlas 800 训练服务器（NPU半配）：half

• Atlas 800T A2 训练服务器或Atlas 900 A2 PoD 集群基础单元：module-{xxx}b-8
• Atlas 200T A2 Box16 异构子框：module-{xxx}b-16

根据需要运行训练任务的节点类型，选取不同的值。如果节点是Atlas 800 训练服务器（NPU满配）和Atlas 800T A2 训练服务器，可以省略该标签。

huawei.com/Ascend910

根据所使用芯片类型不同，取值如下：

• Atlas 800 训练服务器（NPU满配）：
  • 单机单芯片：1
  • 单机多芯片：2、4、8
  • 分布式：1、2、4、8
• Atlas 800 训练服务器（NPU半配）：
  • 单机单芯片：1
  • 单机多芯片：2、4
  • 分布式：1、2、4
• Atlas 800T A2 训练服务器或Atlas 900 A2 PoD 集群基础单元
  • 单机单芯片：1
  • 单机多芯片：2、3、4、5、6、7、8
  • 分布式：1、2、3、4、5、6、7、8
• Atlas 200T A2 Box16 异构子框：
  • 单机单芯片：1
  • 单机多芯片：2、3、4、5、6、7、8、10、12、14、16
  • 分布式：1、2、3、4、5、6、7、8、10、12、14、16

请求的NPU数量，请根据实际修改，请求整卡时不能再同时请求vNPU。

ring-controller.atlas

• Atlas 800 训练服务器（半配、满配）取值为：ascend-910
• Atlas 800T A2 训练服务器、Atlas 900 A2 PoD 集群基础单元和Atlas 200T A2 Box16 异构子框：ascend-{xxx}b

配合自动生成ranktable使用的，任务使用芯片的区分。需要在ConfigMap和任务task中配置。

metadata.annotations['huawei.com/AscendXXX']

XXX表示芯片的型号，支持的取值为910，310和310P。取值需要和环境的实际芯片类型保持一致。

MindCluster Ascend Docker Runtime会获取该参数值，用于给容器挂载相应类型的NPU。

fault-scheduling

grace

配置任务采用优雅删除模式，并在过程中先优雅删除原Pod，15分钟后若还未成功，使用强制删除原Pod。

force

配置任务采用强制删除模式，在过程中强制删除原Pod。设置为force时需要将yaml中的terminationGracePeriodSeconds字段配置为0或者删除该字段。

off

该任务不使用断点续训特性，K8s的maxRetry仍然生效。

无（无fault-scheduling字段）

其他值

fault-retry-times

0 < fault-retry-times

配置任务发生业务面故障可无条件重试的次数。

无（无fault-retry-times）或0

该任务不使用无条件重试功能，无法感知业务面故障，vcjob的maxRetry仍然生效。

restartPolicy

• Never：从不重启
• Always：总是重启
• OnFailure：失败时重启
• ExitCode：根据进程退出码决定是否重启Pod，错误码是1~127时不重启，128~255时重启Pod。
  说明：

  vcjob类型的训练任务不支持ExitCode。

容器重启策略。当配置业务面故障无条件重试时，容器重启策略取值必须为“Never”。

terminationGracePeriodSeconds

0< terminationGracePeriodSeconds <"grace-over-time”参数的值

容器收到SIGTERM到被K8s强制停止经历的时间，该时间需要大于0且小于volcano-v{version}.yaml文件中“grace-over-time”参数的值，同时还需要保证能够保存完ckpt文件，请根据实际情况修改。具体说明请参考K8s官网容器生命周期回调。