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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
858
509
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
257
300
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
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
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
22
5