创建健康巡检作业

约束限制

• 巡检作业排队中数量限制不能超过10个，当排队中状态的作业数量超过10个时，无法继续创建新的巡检作业。
• 巡检作业目前仅支持对ascend-snt9b规格的集群进行诊断，选择其他型号的集群/节点进行诊断时，可能导致巡检作业执行失败。
• 选择的压测用例需要确保节点空闲，如果不是空闲节点会导致作业失败，巡检结果异常。确认相关节点的状态后，再下发压测作业。
• 巡检会长时间占用NPU资源（大约3-8小时），确保巡检期间集群无业务运行。
• 巡检作业的只保留最近6个月的结果数据。

创建健康巡检作业操作步骤

1. 登录ModelArts管理控制台，在左侧导航栏选择“运维管理 > 健康巡检”，进入健康巡检页面。
2. 单击“创建作业”进入创建作业界面。
3. 在创建健康巡检作业界面，参考表1参数信息填写相应参数。

   表1 创建健康巡检作业参数说明

   参数名	参数说明
   作业名称	健康巡检作业的名称。 系统会自动生成一个名称，可以根据业务需求重新命名，命名规则如下： 只允许输入长度为 1 到 64 位由数字、中文、英文、下划线（_）或中划线（-）组成的字符。
   添加描述	可选，健康巡检作业的简单描述。
   巡检范围	健康巡检的范围，按资源类型分为：轻量算力集群（Lite Cluster）和轻量算力节点（Lite Server）。 轻量算力集群：选择一个资源池下的若干个节点进行巡检。 轻量算力节点：选择若干个单节点或者同一超节点下的若干个子节点进行巡检。
   巡检类型	健康巡检作业的类型，包括标准巡检、深度巡检。 标准巡检：创建分钟级别的快速巡检，用户无需手动填写相关巡检项配置，默认自动执行包括主机配置与状态、NPU健康检查等所有标准巡检相关巡检项。 深度巡检：创建小时级别的深度巡检，用户可以视情况选择相关巡检项配置，包括NPU性能诊断、NPU压测、网络压测等深度巡检相关巡检项。
   压测用例配置	配置执行压力测试的压测用例。 系统默认选择NPU性能诊断下的所有巡检项，可根据业务需求自行选择。巡检类目和巡检项详见深度巡检结果说明。

4. 参数设置完成后，单击“立即创建”，返回健康巡检作业列表页面。

   巡检作业创建成功后，运行中状态表示作业正在执行，待作业成功后可以进入详情查询具体巡检结果，其他状态详情参考巡检状态说明。