SM Clock

Anyscale 推出 GPU 健康可观测性以诊断硬件故障

Anyscale 已推出其 GPU 健康可观测性工具的私有预览版，旨在弥合 GPU 集群中应用级故障与底层硬件问题之间的差距。这一新的可观测性层与 KubeRay 和 Kubernetes 集成，将 XID 错误和 ECC 内存计数等关键硬件信号与正在 GPU 上运行的特定 Ray 作业和工作区相关联。此前，诊断硬件故障需要手动关联来自不同工具的数据，导致工程时间大量损失。