NVIDIA Minerva 将 GPU 基础设施与其上运行的任务关联起来

该图片由 AIYXL 使用 AI 生成

一个运行缓慢的训练任务，其根源可能在于 GPU、网络连接或存储。当每个团队各自查看独立的监控仪表盘时，找出真正应负责的组件就变得更加困难。

NVIDIA 于 10 月 22 日发布的 Minerva 将这些视图连接起来。

将症状与其根源关联起来

该平台在动态知识图谱中映射基础设施与正在运行的任务。NVIDIA 表示，它能够关联 GPU、网络、存储和调度器中的异常，并将相关告警围绕可能的根因进行归组。

内置助手让运维人员可以通过自然语言提问来调查实时遥测数据。团队可以查看推荐的修复方案，或将平台接入自动化系统。

采用情况将带来下一轮考验

NVIDIA 指出 IREN 是其用户。IBM、Jio、Lambda、Tesla 及其他合作伙伴计划进行部署。

该公告并未提供关于减少停机时间或加快修复速度的独立量化指标。

Minerva 解决了一个实际的运营问题：已部署的算力究竟能交付多少有效工作？客户的实际结果将决定，更广泛的可见性是否能带来更可靠的计算。

来源：NVIDIA。