Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Ray on HyperPod FAQ
Apakah HyperPod memodifikasi Ray atau KubeRay?
HyperPod menjalankan Ray upstream, open source dan KubeRay tanpa perubahan. Kode Ray Anda, API Ray, danRayCluster, RayJobRayCronJob, dan sumber daya RayService khusus berperilaku seperti yang mereka lakukan di open source. HyperPod menambahkan kemampuan di sekitar Ray, seperti pengalaman Studio terkelola, akses dasbor yang aman, observabilitas, dan ketahanan.
Bisakah saya menyimpan KubeRay instalasi yang ada?
Anda dapat menjaga KubeRay operator yang sudah Anda jalankan. HyperPod kemampuan instal di sampingnya, dan manifes yang sudah Anda terapkan terus berfungsi. Jika klaster Anda belum memiliki KubeRay operator, instal seperti yang dijelaskan diMenginstal KubeRay di HyperPod Amazon EKS.
Apakah saya membutuhkan SageMaker studio?
Amazon SageMaker Studio hanya diperlukan untuk pengalaman terkelola, di mana ilmuwan data membuat dan mengelola cluster Ray tanpa sepengetahuan Kubernetes. Pada platform Ray yang ada, Anda menggunakankubectl, Helm, dan perpustakaan toolkit, dan tidak ada yang memerlukan Studio. Untuk informasi selengkapnya, lihat Memulai.
Bisakah saya menggunakan Prometheus dan Grafana saya sendiri?
Anda dapat menyimpan Prometheus dan Grafana Anda sendiri. Add-on HyperPod Observability adalah salah satu opsi yang tiba dikonfigurasi, tetapi Anda dapat mengikis metrik Ray dengan tumpukan Anda sendiri. Untuk informasi selengkapnya, lihat Menyiapkan koleksi metrik Ray.
Bagaimana cara kerja kuota dengan cluster Ray yang berumur panjang?
HyperPod Tata Kelola Tugas menyumbang kuota di RayCluster tingkat tersebut, sehingga klaster berumur panjang memegang kapasitas penuh yang dinyatakan selama itu berjalan. Ukur cluster persisten dengan kapasitas yang ingin Anda pesan, dan gunakan RayJob untuk pekerjaan yang memperoleh dan melepaskan kapasitas per pekerjaan. Untuk informasi selengkapnya, lihat Mengantri dengan tata kelola tugas.
Apa yang terjadi pada pekerjaan Ray saya ketika node GPU gagal?
HyperPod mendeteksi kesalahan melalui pemeriksaan kesehatan dan reboot atau mengganti node, dan KubeRay menjadwal ulang pod Ray yang terpengaruh. Pekerjaan Anda dilanjutkan dari pos pemeriksaan terakhirnya, jadi tulislah pos pemeriksaan untuk memulihkan pekerjaan yang sedang berlangsung. Untuk informasi selengkapnya, lihat Pemulihan simpul otomatis dengan Ray.
Pustaka Ray mana yang didukung?
HyperPod mendukung pustaka Ray open source, termasuk Ray Core, Ray Train, Ray Data, dan Ray Serve, karena menjalankan Ray tidak dimodifikasi. spec.rayVersionCocokkan dengan versi Ray di gambar kontainer Anda. Untuk API pustaka, lihat dokumentasi Ray
Bisakah saya mengadopsi satu kemampuan tanpa yang lain?
Setiap HyperPod kemampuan diinstal secara independen sebagai add-on atau paket Python, sehingga Anda dapat mengadopsi satu dan berhenti. Tim dengan platform Ray sendiri dapat menambahkan observabilitas atau akses dasbor yang diautentikasi tanpa mengubah sisanya. Untuk daftar lengkap dan dependensi, lihat. Memulai
