组件安装位置

管理节点

HCCL-Controller

基于K8s informer机制开发的插件，用于自动生成NPU训练任务通信集合配置文件（ranktable file，也叫hccl.json文件）。

Volcano

基于开源Volcano集群调度，增强 AI处理器亲和性调度功能。

Resilience-Controller

韧性控制器，提供最小训练系统的韧性控制，在训练任务使用的硬件故障时，可以剔除该硬件，继续训练。

计算节点

Ascend Device Plugin

通过提供通用设备插件机制和标准的设备API接口，供Kubernetes使用设备。

NPU-Exporter

基于Prometheus监测生态，实现了昇腾系列AI处理器的监测以及容器级分配状态的监测。

NodeD

提供节点监测功能，如节点心跳上报。

Ascend Docker Runtime

容器引擎插件（又称为Ascend Docker，又叫昇腾容器运行时），为所有的AI作业提供Ascend NPU（昇腾AI处理器）容器化支持，使用户AI作业能够以Docker容器的方式平滑地运行在昇腾设备上。

训练容器内

Elastic-Agent

在数据并行、混合并行场景下提供断点续训临终遗言（临终ckpt文件）和策略恢复功能，当用户需要使用断点续训临终遗言功能时，需要在训练容器中安装该组件。