dstack项目0.18.41版本发布:GPU资源分块与SSH集群增强
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:
- 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
- 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:
- 为每个节点创建独立的卷
- 在任务配置中使用变量引用特定卷
- 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:
- 确保卷和计算资源位于同一可用区
- 针对特定可用区优化资源分配
- 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:
- 停止所有运行中的任务
- 终止所有集群
- 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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









