Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #7380

NVIDIA DSX OS

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

4

CODING · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA DSX OS включает открытые проекты AICR, NVCRE и NVSentinel для управления GPU‑кластером Kubernetes

Платформа NVIDIA DSX AI Factory включает открытый слой NVIDIA DSX OS, в который входят три проекта — NVIDIA AI Cluster Runtime (AICR), NVIDIA Cluster Readiness Engine (NVCRE) и NVSentinel — для конфигурации, сертификации и эксплуатации ускоренной инфраструктуры Kubernetes. AICR задаёт версионированные рецепты конфигурации и рендерит их в бандлы для инструментов типа Argo CD, Flux и Helm; NVCRE запускает NCCL‑тесты и тренировки для проверки готовности узлов и кластера; NVSentinel непрерывно мониторит состояние GPU/узлов/сети и может кордонить, сливать, устранять неисправности узлов и запускать повторную проверку; все проекты лицензированы под Apache‑2.0 и содержат инструкции по установке.

7.0

COMPANIES · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA выпустила open-source решение NVIDIA Recovery для автоматизации восстановления распределённой тренировки

NVIDIA представила NVIDIA Recovery — open-source сервис уровня рабочих нагрузок в составе DSX OS, который обнаруживает прерывания тренировок по логам приложений, метрикам GPU и сигналам планировщика и выполняет четырёхэтапный цикл для атрибуции отказов, изоляции узлов и перезапуска или остановки задач. Сервис интегрируется со Slurm через Advisor Controller, доступный как Helm-чарт, по умолчанию запускается в режиме мониторинга, ведёт аудиторский журнал и предоставляет Recovery Console; репозиторий и quickstart позволяют развернуть его локально без физических GPU; в продакшн-мониторинге за 3 месяца зафиксировано ~8 550 детекций аномалий со средними латентностями 69 с и 94 с.

7.0

CODING · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA открывает исходники NVCRE — контроллера Kubernetes для проверки готовности GPU-кластеров

NVIDIA Cluster Readiness Engine (NVCRE) — это открытый контроллер Kubernetes, который запускает реальные распределённые рабочие нагрузки по топологически учётным группам узлов, чтобы подтверждать готовность GPU-кластеров перед запуском продакшн AI-задач. Он предоставляет CRD Certification/Workflow/Job, адаптивную изоляцию сбоев для точного определения проблемных узлов, API WorkloadRun для настройки многонодовых GPU-запусков, интегрируется с NVIDIA AI Cluster Runtime и NVSentinel (часть NVIDIA DSX OS), устанавливается через nvcrectl и поддерживает расширение через GitHub.

7.0

COMPANIES · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA публикует NodeWright с открытым исходным кодом — Kubernetes-ориентированный пакетный менеджер для GPU-кластеров

NodeWright — это проект с открытым исходным кодом и Kubernetes-нативный пакетный менеджер для декларативной настройки и обновления ОС узлов в GPU-кластерах с минимальным воздействием на запущенные рабочие нагрузки. Он интегрируется с компонентами NVIDIA DSX OS (включая NVIDIA AI Cluster Runtime, NVCRE и NVSentinel), поддерживает политики поэтапного развертывания и устанавливается через Helm.

6.0