dstack项目0.18.38版本发布：支持Intel Gaudi计算卡与存储卷优化

项目概述

dstack是一个开源的机器学习开发环境管理平台，它允许数据科学家和机器学习工程师轻松地在云环境中创建、管理和共享开发环境。通过简单的YAML配置文件，用户可以定义所需的计算资源、软件环境和开发工具，dstack会自动在云端或本地集群中创建相应的开发环境。

版本亮点

Intel Gaudi计算卡支持

本次0.18.38版本最重要的更新是增加了对Intel Gaudi系列AI计算卡的支持。Gaudi是Habana Labs(现为Intel旗下)开发的专门针对深度学习工作负载的计算卡，与传统的GPU相比，在某些AI工作负载上能提供更高的性价比。

要使用Gaudi计算卡，用户需要先创建一个SSH fleet(SSH集群)，然后在运行配置中指定Gaudi计算卡类型。例如，以下配置将请求8个Gaudi 2计算卡：

type: dev-environment
python: "3.12"
ide: vscode
resources:
  gpu: gaudi2:8  # 8 × Gaudi 2 

需要注意的是，使用前必须确保每个主机节点上已正确安装Gaudi软件栈，包括驱动程序、hl-smi工具和Habana容器运行时。

存储卷管理优化

停止持续时间与强制分离

新版本改进了存储卷的分离机制。在某些情况下，存储卷可能会卡在"detaching"状态，导致运行实例无法正常终止或重用。为解决这个问题，dstack现在会确保运行保持在"terminating"状态，直到存储卷完全分离。

默认情况下，系统会等待5分钟，然后强制分离存储卷。用户可以通过配置stop_duration参数来自定义等待时间，或设置为"off"来禁用强制分离功能。

需要注意的是，强制分离存储卷可能会导致文件系统损坏，应仅作为最后手段使用。如果频繁需要强制分离，建议联系云服务提供商排查根本原因。

错误修复

此版本还修复了一个存储卷状态标记错误的问题，之前系统有时会错误地将已分离的卷标记为"attached"状态。

用户界面改进

集群与实例管理

新版本对用户界面进行了优化，简化了集群(fleet)和实例的管理流程：

1. 集群页面现在支持终止集群操作，并同时显示活跃和已终止的集群
2. 新增实例页面，展示所有集群中的活跃和已终止实例

这些改进使得用户能够更直观地监控和管理计算资源，提高了大规模机器学习工作负载的管理效率。

技术价值分析

本次更新体现了dstack项目在以下几个方面的技术演进：

1. 硬件生态扩展：通过支持Intel Gaudi计算卡，dstack扩展了其硬件兼容性，为用户提供了更多选择，特别是在AI训练和推理场景下。

2. 存储可靠性提升：改进的存储卷管理机制减少了资源泄漏和状态不一致的风险，提高了系统的整体稳定性。

3. 管理体验优化：新的UI设计使得大规模资源管理更加直观，降低了用户的操作复杂度。

对于机器学习工程师和数据科学家来说，这些改进意味着更灵活的资源选择、更可靠的环境管理以及更高效的工作流程。特别是在需要大规模AI训练的场景下，Gaudi计算卡的支持可能带来显著的性价比优势。