Atlas 训练系列产品的昇腾AI处理器的特征和资源利用的规则如表1所示。
表1 Atlas 训练系列产品的AI处理器亲和性策略优先级
|
策略名称
|
详细内容
|
|---|
1
|
HCCS亲和性调度原则
|
选择同一HCCS内的昇腾AI处理器，提升通信性能。
- 如果申请昇腾AI处理器个数为1，则选择同一HCCS，且当前可用的昇腾AI处理器数量为1个的节点为最佳，3个次佳、其次是2个、4个。
- 如果申请昇腾AI处理器个数为2，则选择同一HCCS，且可用的昇腾AI处理器数量为2个的节点为最佳，4个次佳，其次是3个。
- 如果申请昇腾AI处理器个数为4，则选择同一HCCS，且可用的昇腾AI处理器数量为4个的节点。
- 如果申请昇腾AI处理器个数为8，则会选择申请节点的8个昇腾AI处理器。
|
2
|
优先占满调度原则
|
优先分配已经分配过 昇腾AI处理器的节点，减少碎片。 - 如果申请昇腾AI处理器个数为1，优先申请capacity（节点上资源容量）为8，且HCCS可用昇腾AI处理器数量为1的节点为最佳，3个次佳、其次是2个、4个。
- 如果申请昇腾AI处理器个数为2，优先申请capacity为8，且HCCS可用昇腾AI处理器数量为2个的节点为最佳，4个次佳，其次是3个。
- 如果申请昇腾AI处理器个数为4，优先申请capacity为8，且可用昇腾AI处理器数量为4个的节点。
- 如果申请昇腾AI处理器个数为8的正整数倍数，选择申请capacity为8，且已使用0个昇腾AI处理器的节点。
说明： 下发分布式任务时，任务存在未按照优先占满调度原则占满某个节点。说明如下： - 现象说明：如在两台Atlas 800 训练服务器（型号 9000）集群中，同时下发3卡、4卡、1卡任务，存在3卡和4卡任务调度到同一个节点，1卡任务调度到另一个节点的问题。
- 原因分析：因为Volcano调度完一个任务后，Ascend Device Plugin上报调度后的昇腾AI处理器的拓扑结构到mindx-dl-deviceinfo-${node_name}存在时延，导致Volcano校验该节点昇腾AI处理器数量失败，将任务调度到其他节点上。
|
3
|
剩余偶数优先原则
|
优先选择满足上述1~2条调度原则的HCCS，其次选择剩余昇腾AI处理器数量为偶数的HCCS。
|