首页
/ dstack 0.19.8版本发布:全面支持InfiniBand集群与ARM架构

dstack 0.19.8版本发布:全面支持InfiniBand集群与ARM架构

2025-06-26 08:08:43作者:龚格成

项目概述

dstack是一个开源的AI/ML工作流编排平台,它简化了机器学习任务的部署和管理过程。通过声明式配置文件,用户可以轻松定义计算资源需求、环境依赖和执行流程,dstack会自动处理底层基础设施的配置和调度。

核心更新内容

Nebius后端新增InfiniBand集群支持

本次版本最显著的改进之一是Nebius后端现在支持InfiniBand集群。InfiniBand是一种高性能计算网络技术,特别适合需要大规模并行计算的机器学习任务,如分布式训练等。

用户只需在fleet配置中指定placement: cluster并选择支持的GPU类型(如8xH100或8xH200),系统就会自动创建InfiniBand集群。集群的网络架构选择完全自动化,同时也支持通过后端设置限制允许的网络架构。

这一特性为分布式任务带来了显著的性能提升,特别是在NCCL测试和Hugging Face TRL等需要高速节点间通信的场景中表现尤为突出。

ARM架构全面支持

0.19.8版本引入了对ARM CPU计算实例的完整支持。用户现在可以在资源配置中明确指定ARM架构:

resources:
  cpu: arm:4..  # 请求4个或更多ARM核心

对于SSH fleet,dstack能够自动检测主机是否采用ARM CPU并相应调整配置。通过dstack offer --cpu arm命令,用户可以查看所有可用的ARM计算资源选项。

Lambda后端支持GH200超级芯片

Lambda后端现在支持NVIDIA最新的GH200超级芯片。这种创新设计将72核的NVIDIA Grace ARM CPU与H200 Tensor Core GPU通过NVLink-C2C高速互连技术紧密结合,为AI工作负载提供了前所未有的计算密度和内存带宽。

用户可以通过简单的资源配置请求GH200实例:

resources:
  gpu: GH200:1

需要注意的是,由于GH200的稀缺性,建议配合使用retry策略,确保在资源可用时能够自动启动任务。

Azure后端管理身份增强

新版本增加了vm_managed_identity后端设置,允许用户为Azure后端创建的虚拟机配置特定的托管身份。这一改进增强了安全性和权限管理的灵活性,使Azure集成更加企业级友好。

技术细节与优化

  1. 终端适配性改进:修复了在非TTY环境下获取终端大小时的OSError处理,提升了命令行工具在各种环境下的稳定性。

  2. Docker配置优化:在Lambda后端中默认使用cgroupfs驱动,提高了容器运行的兼容性。

  3. 监控优化:不再在基于容器的后端上收集Prometheus指标,减少了不必要的资源开销。

  4. API配额管理:改进了Azure A3实例大量部署时的API配额处理机制,提高了大规模部署的可靠性。

总结

dstack 0.19.8版本通过引入InfiniBand集群支持、ARM架构兼容性和GH200超级芯片等重大更新,进一步巩固了其作为现代AI基础设施管理工具的地位。这些改进不仅扩展了平台的计算能力范围,还显著提升了分布式工作负载的性能和效率。对于需要进行大规模机器学习训练和推理的用户来说,这个版本提供了更强大、更灵活的基础设施选择。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K
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
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
954
562
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
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
407
387
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)。
Python
77
71
rainbondrainbond
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
14
1