dstack项目0.19.10版本发布：任务优先级与Azure Fsv2系列支持

dstack作为一个开源的机器学习工作流编排平台，致力于简化AI/ML项目的开发、测试和部署流程。通过提供统一的接口来管理计算资源和工作流，dstack让研究人员和工程师能够更专注于模型开发本身，而无需花费大量时间在基础设施配置上。

任务优先级管理

本次0.19.10版本引入了一个重要的新特性——任务优先级管理。在之前的版本中，所有任务都是按照先进先出(FIFO)的原则进行调度，这在某些场景下可能不够灵活。新版本允许用户为每个运行配置指定一个0到100之间的优先级数值，数值越高表示优先级越高。

优先级机制的工作方式是：系统首先按照优先级降序排列任务，然后在同一优先级组内保持FIFO顺序。值得注意的是，高优先级任务如果因资源限制无法调度，不会阻塞低优先级任务的执行，这保证了系统资源的高效利用。

在实际应用中，可以将关键实验或生产任务设置为高优先级(如80-100)，而将非紧急的测试或探索性任务设置为中等或低优先级(如20-50)。同时，结合重试策略(retry)，可以确保重要任务在遇到容量限制时能够保持排队状态，直到资源可用。

CLI工具改进

命令行界面(CLI)也迎来了重要更新。新版本用更直观的dstack project命令取代了原有的dstack config命令，提供了更清晰的项目管理体验：

1. dstack project list可以列出所有配置的项目及其详细信息
2. dstack project set-default可以设置默认项目
3. dstack project add用于添加新项目配置

此外，dstack ps命令新增了-n/--last参数，方便用户快速查看最近的N个运行记录，这在日常监控和调试中非常实用。

Azure Fsv2系列支持

对于使用Azure作为后端的用户，本次更新增加了对Fsv2系列计算优化型虚拟机的支持。Fsv2系列基于Intel Xeon Platinum 8168处理器，提供出色的计算性能与性价比平衡，特别适合计算密集型工作负载。

在资源选择时，系统会自动将Fsv2系列纳入考虑范围，用户可以通过dstack apply命令查看不同配置的价格和性能信息，选择最适合自己需求的实例类型。

其他重要改进

1. 多节点任务支持：修复了在空闲实例上无法运行多节点任务的bug，提升了资源利用率
2. 本地代码上传限制：使本地代码上传的大小限制可配置，适应不同项目需求
3. Docker镜像优化：默认Docker镜像中移除了conda，改用更轻量级的uv工具
4. 主题持久化：UI界面的深色/浅色主题选择现在会持久化保存
5. 自动缩放保护：增加了对缩放目标值的校验，防止意外配置错误

总结

dstack 0.19.10版本通过引入任务优先级、改进CLI体验和扩展Azure支持，进一步提升了平台的灵活性和用户体验。这些改进使得资源调度更加智能，管理更加便捷，同时也为不同预算和性能需求的用户提供了更多选择。对于机器学习团队来说，这些增强功能将有助于更高效地管理和执行复杂的计算工作流。