dstack项目发布0.18.36版本：增强云服务商集群部署与系统性能优化

dstack是一个开源的AI开发工作流编排平台，它允许开发者在云环境中轻松定义、运行和管理机器学习工作流。通过简单的YAML配置文件，用户可以快速在各类云服务商的后端资源上运行分布式训练任务。

云服务商后端支持集群部署模式

本次0.18.36版本更新中，dstack为云服务商后端增加了集群部署(Cluster Placement)功能。这一特性使得用户可以在云平台上创建具有低延迟互连的GPU计算集群，特别适合需要多节点协同工作的分布式训练场景。

在YAML配置文件中，用户只需简单设置placement: cluster参数，即可让dstack在云服务商上自动配置一个互联的计算集群。例如以下配置将创建一个包含4个MI300X GPU节点的计算集群：

type: fleet

nodes: 4
placement: cluster

resources:
  gpu: MI300X:8

backends: [cloud_provider]

这种集群部署模式确保了节点间的网络性能，为分布式训练任务提供了理想的运行环境。dstack会自动处理节点间的网络配置和互联，开发者可以专注于模型训练本身。

系统性能显著提升

本次更新对dstack server的核心性能进行了多项优化：

1. 单节点处理能力提升：优化后的dstack server单个实例现在可以同时管理多达150个活跃的运行任务、作业和计算实例。这一改进显著提高了平台的资源利用率和管理效率。

2. 数据库支持扩展：通过支持PostgreSQL作为后端数据库，用户现在可以部署多个dstack server实例来实现水平扩展，满足更大规模的工作负载需求。

3. 资源查询加速：改进了dstack apply命令获取云服务商实例报价的机制，大幅减少了查询延迟，使用户能够更快地获取和配置所需资源。

其他重要改进

除了上述主要特性外，本次更新还包含多项功能增强和问题修复：

• 改进了本地后端(Local Backend)的稳定性和兼容性
• 实现了实例报价缓存机制，优化资源查询性能
• 增强了API接口，包括新增实例列表查询和按ID获取集群信息等功能
• 完善了运行器(Runner)的错误报告机制，提供更详细的终止原因和消息
• 修复了资源类型过滤和空闲实例管理相关的多个问题

这些改进共同提升了dstack平台的稳定性、性能和用户体验，使其能够更好地服务于各类机器学习工作流的管理需求。