文档首页/ AI开发平台ModelArts/ 最佳实践/ LLM大语言模型训练推理/ 主流开源大模型基于Lite Cluster适配PyTorch NPU推理指导（6.3.910）/ 附录：工作负载Pod异常问题和解决方法
更新时间：2024-12-17 GMT+08:00
查看PDF
分享

附录：工作负载Pod异常问题和解决方法

Pod状态为Pending

当Pod状态长时间为“Pending”，事件中出现“实例调度失败”的信息时，可根据具体事件信息确定具体问题原因。

图1 pod状态pending

通过以下命令打印Pod日志信息。

kubectl describe pod ${pod_name}

volcano资源调度失败

当volcano的资源出现争抢时，会出现下图中的问题。

图2 volcano资源争抢

解决方法：

  1. 通过打印所有Pod的信息，并找到命名有scheduler字段的Pod。 
    kubectl get pod -A -o wide
  2. 重启该Pod，通过delete的方式删除，但随后会自动重新启动。 
    kubectl delete pod -n kube-system ${pod_scheduler_name}
    图3 scheduler
  3. 如果重启后，还是会Pending，建议多重复重启几次。

其他实例调度失败问题

首先通过打印Pod日志信息。根据错误信息，可通过访问官网链接：工作负载异常：实例调度失败，进行查找。

相关文档