
# 端点类
#### 什么是端点？
端点提供访问AI DataLake服务的入口，通过端点可以连接计算引擎与计算资源、进行数据开发与查询、配置端点使用资源的Min/Max控制资源的弹性范围。
AI DataLake端点是计算引擎的唯一标准化入口，通过绑定引擎与资源，实现作业对引擎能力和计算资源的统一调用和访问。
您可以把端点比喻为AI DataLake的"业务窗口"，您可以按需设置不同的窗口，这些窗口对应不同的业务需求，每个"窗口"都绑定了对应的"引擎"和"计算资源"。
端点的优势：
- 自动绑定引擎和计算资源池：创建端点时，AI DataLake自动将引擎和计算资源池绑定，在后续提交作业时无需再手动配置作业与引擎和资源的映射关系。
- 灵活配置分配给端点的计算资源：您可以在创建端点时根据业务需求配置所需的资源池的计算规格，即资源池分配给当前端点的**保障配额（Min）** 、**最大配额（Max）**。
 
#### 公测期间开放了哪些端点类型？
表1公测期间开放的端点类型和资源使用模式 
| 功能             | 端点类型                                                                                                                                                                                                                                                                                                                                                                      | 端点资源使用模式                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       |
|:---|:---|:---|
| **多模数据引擎Aura** | - AuraJob  - AuraJobV2   | - 预留资源  - 混合模式                                                                                                                                                   |
| **AI计算引擎Ray**  | RayCluster                                                                                                                                                                                                                                                                                                                                                                | 预留资源                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           |
| **AI计算引擎Ray**  | RayJob                                                                                                                                                                                                                                                                                                                                                                    | - 预留资源  - 混合模式  - 按需弹性       |
| **批处理引擎Spark** | - SparkSQL  - SparkJob              | - 预留资源  - 混合模式  - 按需弹性   |
   
#### 在创建AuraJobV2端点时，选择的资源规格大于作业运行所需的资源规格，为啥还会导致作业运行失败？
由于创建AuraJobV2端点时需要安装和运行必要的容器和组件，实际可用资源规格小于选择的资源规格，若运行作业所需的vCPU或内存不足，将导致作业运行失败。请您根据作业规模和实际可用资源规格合理选型，避免因资源不足影响作业执行。
关于CPU通算资源规格及可用资源规格说明，请参见[表2]。
 表2CPU通算资源规格及可用资源规格说明 
| 规格                                                                                                                                                                                                                                                                       | 资源规格          || 可用资源规格         ||
| 规格                                                                                                                                                                                                                                                                       | vCPU | 内存（GiB） | vCPU  | 内存（GiB） |
|:---|:---|:---|:---|:---|
| - aidatalake.cpu.x86.general.1u2g  - aidatalake.cpu.aarch64.general.1u2g   | 2    | 4       | 0.55  | 0.8     |
| - aidatalake.cpu.x86.general.1u2g  - aidatalake.cpu.aarch64.general.1u2g   | 4    | 8       | 2.35  | 4.8     |
| - aidatalake.cpu.x86.general.1u2g  - aidatalake.cpu.aarch64.general.1u2g   | 8    | 16      | 5.35  | 10.3    |
| - aidatalake.cpu.x86.general.1u2g  - aidatalake.cpu.aarch64.general.1u2g   | 16   | 32      | 11.35 | 21.3    |
| - aidatalake.cpu.x86.general.1u2g  - aidatalake.cpu.aarch64.general.1u2g   | 32   | 64      | 26.35 | 49.3    |
| - aidatalake.cpu.x86.general.1u2g  - aidatalake.cpu.aarch64.general.1u2g   | 48   | 96      | 40.35 | 73.3    |
| - aidatalake.cpu.x86.general.1u4g  - aidatalake.cpu.aarch64.general.1u4g      | 2    | 8       | 0.55  | 3.8     |
| - aidatalake.cpu.x86.general.1u4g  - aidatalake.cpu.aarch64.general.1u4g      | 4    | 16      | 2.35  | 11.8    |
| - aidatalake.cpu.x86.general.1u4g  - aidatalake.cpu.aarch64.general.1u4g      | 8    | 32      | 5.35  | 24.3    |
| - aidatalake.cpu.x86.general.1u4g  - aidatalake.cpu.aarch64.general.1u4g      | 16   | 64      | 11.35 | 49.3    |
| - aidatalake.cpu.x86.general.1u4g  - aidatalake.cpu.aarch64.general.1u4g      | 32   | 128     | 26.35 | 107.3   |
| - aidatalake.cpu.x86.general.1u4g  - aidatalake.cpu.aarch64.general.1u4g      | 48   | 192     | 40.35 | 159.3   |
| - aidatalake.cpu.x86.general.1u8g  - aidatalake.cpu.aarch64.general.1u8g                 | 2    | 16      | 0.55  | 10.8    |
| - aidatalake.cpu.x86.general.1u8g  - aidatalake.cpu.aarch64.general.1u8g                 | 4    | 32      | 2.35  | 26.8    |
| - aidatalake.cpu.x86.general.1u8g  - aidatalake.cpu.aarch64.general.1u8g                 | 8    | 64      | 5.35  | 54.3    |
| - aidatalake.cpu.x86.general.1u8g  - aidatalake.cpu.aarch64.general.1u8g                 | 16   | 96      | 11.35 | 77.3    |
| - aidatalake.cpu.x86.general.1u8g  - aidatalake.cpu.aarch64.general.1u8g                 | 32   | 192     | 26.35 | 165.3   |
| - aidatalake.cpu.x86.general.1u8g  - aidatalake.cpu.aarch64.general.1u8g                 | 48   | 384     | 40.35 | 341.3   |
   
