HyperPod 新增檢查及可觀測性功能
先了解這件事
2026年11月19日07:03,AWS Machine Learning Blog 報道,Amazon SageMaker HyperPod 新增工作負載復原及擴展的基礎設施檢查,包括 MultiNodeTrainingValidation、HyperPod Kubernetes Resource Monitoring Agent,以及 Slurm 叢集的 hung job detection。當日07:30,Unite.AI 後續報道亦指出有三項新增功能,並説明它們分別用於檢查訓練結果、監測 Kubernetes 叢集故障及偵測 Slurm 卡住作業;兩篇報道所述新增項目一致。2026年11月20日00:41,AWS Machine Learning Blog 再報道 HyperPod 推出增強型可觀測性功能,協助用戶更快診斷 GPU 訓練問題,適用於 Amazon EKS 和 Slurm 編排的訓練工作。
AI 根據報道生成 · 3 小時前更新
事件進展
2 個進展
- 11月20日 00:41 · 1 篇報道SageMaker HyperPod 推出增強可觀測性AWS Machine Learning Blog:Amazon SageMaker HyperPod 推出增強型基礎架構可觀測性
- 11月19日 07:03 · 2 篇報道Amazon SageMaker HyperPod 推出工作負載復原與基建檢查AWS Machine Learning Blog:Amazon SageMaker HyperPod 新增工作負載復原及擴展基礎設施檢查
報道時間線
沿着報道,瞭解事件的不同側面。
- AWS Machine Learning BlogAmazon SageMaker HyperPod 推出增強型基礎架構可觀測性
Amazon SageMaker HyperPod 推出增強型可觀測性功能,協助用戶更快診斷 GPU 訓練問題,適用於 Amazon EKS 和 Slurm 編排的訓練工作。
- Unite.AIAWS 為 Amazon SageMaker HyperPod 加入訓練驗證、Kubernetes 故障監測及 Slurm 卡住作業偵測
AWS 為 Amazon SageMaker HyperPod 新增三項可靠性功能,分別檢查訓練結果、監測 Kubernetes 叢集故障並偵測 Slurm 卡住作業。
- AWS Machine Learning Blog精選Amazon SageMaker HyperPod 新增工作負載復原及擴展基礎設施檢查
AWS 為 Amazon SageMaker HyperPod 推出工作負載復原及擴展的基礎設施檢查,加入 MultiNodeTrainingValidation、HyperPod Kubernetes Resource Monitoring Agent,以及 Slurm 叢集的 hung job detection。
本事件熱度走勢
當前熱度 15·可比範圍峯值 20(11月19日 08:00)·近 24 小時可比範圍變化 –
趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指針或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。