首页
/ dstack 0.19.0版本发布:GPU云平台集成与分布式计算新特性

dstack 0.19.0版本发布:GPU云平台集成与分布式计算新特性

2025-06-27 20:37:11作者:史锋燃Gardner

dstack是一个专注于提供多云GPU计算能力的开源平台,它简化了在不同云服务提供商上运行GPU工作负载的流程。通过抽象底层基础设施的复杂性,dstack让开发者能够专注于机器学习、深度学习等计算密集型任务的开发与部署。

后端集成简化

0.19.0版本对后端集成架构进行了重大重构,显著降低了新增云服务支持的开发难度。平台现已支持AWS、Azure、GCP等主流云服务,以及RunPod、Lambda等专业GPU提供商。新的集成架构通过模块化设计,将核心功能与特定云服务实现解耦,开发者只需实现少量必要接口即可完成新后端的接入。这种设计不仅提高了代码的可维护性,也为未来支持更多GPU提供商奠定了基础。

分布式计算能力增强

新版本在分布式任务支持方面取得了重要进展。平台现在自动配置节点间的SSH连接,使得在分布式环境中执行MPI任务变得异常简单。用户只需使用标准的ssh <node_ip>命令即可在集群节点间自由切换,这为运行mpirun等分布式计算工具提供了原生支持。这一特性特别适合需要进行NCCL测试或大规模分布式训练的场景,开发者可以轻松构建跨节点的计算集群。

监控与成本管理

0.19.0版本引入了全面的监控指标体系,在原有DCGM指标基础上新增了成本和使用量相关的Prometheus指标。这些指标包括:

  • 实例运行成本
  • 资源使用效率
  • 任务执行开销
  • 硬件利用率

通过这些指标,运维团队可以构建精细化的成本监控仪表盘,实时掌握GPU资源的使用情况和成本分布,为资源优化和预算控制提供数据支持。

开发环境支持扩展

平台现在新增了对Cursor IDE的支持,开发者可以在配置文件中简单指定ide: cursor即可启动基于Cursor的开发环境。这一特性进一步丰富了dstack的IDE生态系统,为不同开发偏好的用户提供了更多选择。

API与配置优化

本次发布对Python API进行了重构,废弃了原先设计不够优雅的get_plan()exec_plan()等方法,引入了更符合RESTful设计原则的新接口。同时,平台移除了多项已弃用或未充分文档化的功能,包括:

  • 旧的运行命令模式
  • 资源池(Pools)功能
  • 过时的重试策略配置
  • 闲置终止时间设置

这些变更使得API更加简洁一致,减少了用户的认知负担。

技术架构演进

从技术架构角度看,0.19.0版本标志着dstack平台走向成熟的重要一步。通过解耦核心逻辑与云服务实现,平台获得了更好的扩展性;通过标准化监控指标,提升了运维可见性;通过简化分布式计算配置,增强了平台在AI训练等场景下的实用性。这些改进共同推动dstack向更稳定、更易用的方向发展。

对于现有用户,建议按照先升级服务器再升级客户端的顺序进行迁移,以确保兼容性。新用户可以借助这一版本更全面地评估dstack在多云GPU管理方面的能力。随着集成生态的持续丰富和核心功能的不断完善,dstack正在成为连接开发者与云端算力的重要桥梁。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起