# 基本概念
#### 端点
在AI DataLake服务中，端点是用户与AI DataLake引擎和计算资源交互的入口，其本质是"计算引擎"与"计算资源"的绑定，使得提交的作业可以访问AI DataLake的引擎并使用AI DataLake的计算资源。端点就是"作业跑起来的地方"，将作业提交到端点后，由端点内的计算资源负责执行，最终返回作业结果。
端点的组成部分请参考[表1]。不同引擎端点的组成部分略有差异，这里仅列出通用组成部分。
 表1端点的组成部分 
| 类型       | 组成部分                                 | 说明                                        |
|:---|:---|:---|
| 计算资源   | 工作组（WorkerGroup，含多个 Worker）/Head 主节点 | 端点内实际执行计算的工作组（每个工作组含1-64个Worker），支持弹性扩缩容。 |
| 存储配置  | 临时存储、文件系统（OBS、SFS Turbo）            | 按需购买的存储介质，用于承载作业运行数据（如临时下盘数据、作业材料）。      |
| 镜像      | 工作组运行镜像+镜像快照（加速容器启动）               | 工作组运行的容器镜像，可关联镜像快照加速容器启动。              |
| 监控与日志 | 指标对接AOM、日志上报 LTS                     | 端点资源监控、作业监控（对接 AOM），日志集中上报 LTS。       |
   
AI DataLake按引擎提供不同类型的端点，更多信息请参见[端点](https://support.huaweicloud.com/productdesc-aidatalake/aidatalake_08_0005.html#aidatalake_08_0005__section834264513491)。
#### Worker（AuraJobV2）
Worker（工作节点）是Aura工作组内实际执行计算任务的单元，是端点计算能力的载体。每个Worker拥有固定的资源规格（vCPU、内存，可选GPU/NPU加速器），负责接收并处理工作组调度的数据分片，并行完成Aura端点的SQL或DataFrame作业的计算。
图1AuraJobV2 Worker原理图   
![](https://support.huaweicloud.com/productdesc-aidatalake/zh-cn_image_0000002778315767.png "点击放大")
创建AuraJobV2端点时，您可以通过"工作组配置"定义Worker的能力与规模。参数说明如[表2]所示。
不配置Worker系统就无法确定端点能处理多少计算任务、以多大并行度执行作业。
 表2Worker相关参数项 
| 参数                   | 作用                                                                                             |
|:---|:---|
| 每Worker资源配置            | 配置Worker的资源类型和算力大小。决定单个worker的算力（CPU核数、内存、加速器卡数）。例如"2 vCPU \| 8 GiB"、"1 卡 \| 4 vCPU \| 16 GiB" |
| Worker数量 (Min-Max) | 决定Worker数量范围，即扩缩容边界，端点运行时随负载在此范围内弹性扩缩容。                                                        |
| 镜像                   | 决定Worker的运行环境。                                                                                  |
   
#### Head、Workergroup、Worker（Ray端点）
在创建Ray端点时，需要配置Head（主节点）、 Workergroup（工作节点组）、Worker（工作节点）。
表3基本概念 
| 名称                  | 说明                                                                                                                                        |
|:---|:---|
| Head（主节点）           | Head（主节点）负责集群的初始化和引导，维护所有Worker节点的元数据信息。同时Head节点实时监控整个集群的资源状态（包括CPU、GPU、内存等），基于全局资源视图进行智能调度决策，将计算任务合理分配到最合适的Worker节点上执行，从而实现负载均衡，提升资源利用率。 |
| Workergroup（工作节点组） | 一组同规格Worker的集合。一个端点最多可配置10个工作组。                                                                                                            |
| Worker（工作节点）        | Worker节点负责接收来自Head节点的任务并进行实际的计算处理。通过配置多个Worker节点，可以将大规模计算任务分解成多个子任务并行处理，显著提升计算效率。支持配置最小和最大Worker数量，可以根据任务负载动态调整计算资源，实现资源的高效利用。             |
   
图2Ray集群Head配置原理图   
![](https://support.huaweicloud.com/productdesc-aidatalake/zh-cn_image_0000002778161203.png "点击放大")