Skip to main content
NetApp Solutions
简体中文版经机器翻译而成，仅供参考。如与英语版出现任何冲突，应以英语版为准。

基本资源分配公平

贡献者
PDF

在本节中，我们会显示，当 team-d 请求更多 GPU （它们低于其配额）时，系统会暂停 team-b 和 team-c 的工作负载，并以公平的方式将其移至待定状态。

有关提交作业，使用的容器映像以及执行的命令序列等详细信息，请参见一节 "第 4.9 节的测试详细信息"。

下图显示了由于自动负载平衡和预先计划而产生的集群利用率，每个组分配的 GPU 以及待处理作业。我们可以观察到，当所有团队工作负载请求的 GPU 总数超过集群中可用的 GPU 总数时， Run ： AI 的内部公平算法会分别为 team-b 和 team-c 暂停一个作业，因为它们已达到项目配额。这样可以提供整体较高的集群利用率，而数据科学团队仍在管理员设置的资源限制下工作。

图中显示了输入/输出对话框或表示已写入内容

此测试场景的结果显示以下内容：

  • * 自动负载平衡。 * 系统会自动平衡 GPU 的配额，使每个团队现在都在使用其配额。暂停的工作负载属于超过其配额的团队。

  • * 公平共享暂停。 * 系统会选择停止超过配额的一个组的工作负载，然后停止另一个组的工作负载。Run ： AI 具有内部公平算法。