首页
/ dstack项目0.18.41版本发布:GPU资源分块与SSH集群增强

dstack项目0.18.41版本发布:GPU资源分块与SSH集群增强

2025-06-27 07:10:02作者:曹令琨Iris

项目概述

dstack是一个开源的机器学习工作负载编排平台,它帮助研究人员和工程师轻松地在云上运行计算密集型任务。dstack提供了简单易用的接口来管理GPU资源、运行分布式训练任务以及创建开发环境,大大简化了机器学习基础设施的管理工作。

核心特性解析

GPU资源分块机制

本次版本最引人注目的特性是引入了GPU资源分块功能。在之前的版本中,即使物理实例拥有充足的资源,dstack也只能在每个实例上一次处理一个工作负载。0.18.41版本通过新的blocks属性彻底改变了这一限制。

技术实现上,blocks属性允许将单个物理实例划分为多个虚拟子实例(称为"块")。每个块可以独立运行工作负载,同时分配相应比例的GPU、CPU和内存资源。这种设计显著提高了硬件资源的利用率,特别是在使用大型GPU实例时。

配置示例展示了两种典型场景:

  1. 云环境配置:将8块GPU的实例划分为4个块,每个块获得2块GPU
  2. SSH托管环境:自动根据GPU数量划分块,如8块GPU自动划分为8个块

用户可以通过dstack fleet命令实时监控各实例的块使用情况,了解哪些块当前处于忙碌状态,哪些块可用于新任务。

SSH集群与头节点支持

针对企业级部署场景,0.18.41版本增强了SSH集群功能,新增了proxy_jump配置项。这一特性解决了工作节点位于头节点后方、无法直接访问的网络拓扑问题。

技术实现上,dstack现在支持通过SSH跳转连接工作节点,典型配置包括:

  • 工作节点列表
  • 头节点连接信息(主机名、用户、密钥文件)
  • 可选的每节点特定跳转配置

这种架构特别符合企业安全规范,允许将计算节点置于内网,仅通过堡垒机(头节点)进行访问,同时保持dstack的全部管理功能。

空闲自动停止机制

针对开发环境场景,新版本引入了inactivity_duration参数,允许配置开发环境在无活动一段时间后自动停止,避免资源浪费。

系统会监控以下活动状态:

  • VS Code连接
  • SSH shell会话
  • 附加的dstack命令会话

当所有连接都断开且超过指定时长后,环境将自动停止。这一特性特别适合需要临时开发环境但又容易忘记关闭实例的用户。

高级功能改进

多EFA接口支持

对于AWS上的高性能计算场景,0.18.41版本优化了Elastic Fabric Adapter(EFA)的配置。系统现在会根据实例类型自动配置最大数量的EFA接口,例如p5.48xlarge实例将配置32个接口,提供高达3,200Gbps的总网络带宽。

需要注意的是,这一优化仅在实例不配置公网IP时生效(public_ips: false),这是AWS平台的限制所致。

分布式任务卷支持

新版本解决了分布式任务中单挂载卷的限制问题。通过引入dstack.node_rank变量插值,现在可以为分布式任务的不同节点挂载不同的卷。

典型使用模式是:

  1. 为每个节点创建独立的卷
  2. 在任务配置中使用变量引用特定卷
  3. 通过批量命令创建所有需要的卷

这种设计使得分布式训练任务可以充分利用持久化存储,同时保持各节点的数据隔离。

可用区配置

0.18.41版本增加了对可用区的精细控制,用户现在可以:

  • 为卷指定特定的可用区
  • 为集群和运行配置指定可用区列表
  • 查看资源和集群的可用区信息

这一改进带来了多个优势:

  1. 确保卷和计算资源位于同一可用区
  2. 针对特定可用区优化资源分配
  3. 通过多可用区配置提高资源可用性

部署建议

对于正在运行dstack服务器的用户,如果采用滚动部署方式(新旧副本共存),建议在升级到0.18.41版本前:

  1. 停止所有运行中的任务
  2. 终止所有集群
  3. 执行升级操作

这样可以避免旧版本副本产生的错误日志干扰,虽然这些错误不会造成实质影响,但遵循这一流程可以确保升级过程更加干净。

总结

dstack 0.18.41版本通过GPU资源分块、SSH集群增强和多项基础设施改进,显著提升了平台的资源利用率和灵活性。这些变化特别有利于需要高效利用昂贵GPU资源的研究团队和企业用户,同时也为复杂网络环境下的部署提供了更好的支持。新引入的空闲检测和自动停止机制则进一步优化了成本管理,使dstack成为一个更加成熟全面的机器学习工作负载管理平台。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8