系统约束

1

5808故障，会造成超节点内网络闪断2s。

影响范围：整个超节点1K，业务性能少量下降；业务出现闪断，需要重启或者具备Token级重推等特性来容错。

2

SFU和ROCE板故障，会造成超节点内网络闪断。

影响范围：不同的故障模式会导致不同程度的业务性能下降；如果维修，则需要授权整柜(SFU板故障)或者半柜(RoCE板故障)进行维修。

3

小规格（8、16、32、40、48卡）仅支持POC测试验证。

小规格（8、16、32、40、48卡）仅支持POC，不支持商用，整柜（64卡）及其以上规格可商用。

4

A5容器场景需要开启主机网络。

作业容器实例开启主机网络的场景下，单节点如部署多个作业容器实例会产生端口冲突的可能。如需要此种部署方式需要业务容器主动配置使用的端口号，避免多个业务容器使用相同的端口。

5

杀P（Prefill）补D（Decode）特性只在客户只部署一个实例，且D数量为1的时候触发。

对于部署多个推理实例的，则不支持杀P补D。

6

参数面监控指标缺失（全量清单还在分析，例如丢包的指标缺失）。

参数面的现网定位效率会降低。

7

参数面在容器使用场景需要开启指定的内核能力。

POD的securityContext.capabilities需要增加IPC_LOCK、NET_RAW和NET_ADMIN能力

8

训练作业亲和调度限制。

如果亲和调度约束为同一机柜中（Slice），调度只能保证Group在同一机柜，但是无法保证所有的机柜都是同一个超节点。

如果亲和调度约束同一超平面网络中（HyperinstanceGroup），调度只能保证Group在同一超平面网络，但是无法保证整柜。