云迁移和云上运维与治理，其中调研分析贯穿整个上云周期，整体框架如下： 图1 云迁移框架 其中有5个阶段是全局任务，即项目级的任务，包括评估规划、上云准备、云上架构设计、整体批次规划、云上运维与治理。有2个阶段是应用级的任务，即每个应用迁移都要执行一个小循环。小循环内按调研、设计、

查看更多 →

服务开发框架详解 整体结构介绍 单Module base/service DDD 父主题： AstroPro学堂

查看更多 →

丰富的计算框架支持 通过CRD提供了批量计算任务的通用API，通过提供丰富的插件及作业生命周期高级管理，支持TensorFlow，MPI，Spark等计算框架容器化运行在Kubernetes上。 高级调度 面向批量计算、高性能计算场景提供丰富的高级调度能力，包括成组调度，优先级抢占、装箱、资源预留、任务拓扑关系等。

查看更多 →

包括： 与RM调度器协商以获取资源（用Container表示）。 将得到的资源进一步分配给内部任务。 与NM通信以启动/停止任务。 监控所有任务的运行状态，并在任务运行失败时重新为任务申请资源以重启任务。 NodeManager（NM） NM是每个节点上的资源和任务管理器，一方面

查看更多 →

HPC作业类型混合部署。 多队列场景调度优化：支持分队列调度，提供队列优先级、多级队列等复杂任务调度能力。 多种高级调度策略：支持gang-scheduling、公平调度、资源抢占、GPU拓扑等高级调度策略。 多任务模板：支持单一Job多任务模板定义，打破Kubernetes原生资源束缚，Volcano

查看更多 →

卓越架构技术框架简介 卓越架构技术框架（Well-Architected Framework）聚焦客户业务上云后的关键问题的设计指导和最佳实践。 以华为公司和业界最佳实践为基础，以韧性、安全性、性能效率、成本优化与卓越运营五个架构关注点为支柱，打造领先的卓越架构技术框架，支撑客户完

查看更多 →

ModelArts支持哪些AI框架？ ModelArts的开发环境Notebook、训练作业、模型推理（即AI应用管理和部署上线）支持的AI框架及其版本，不同模块的呈现方式存在细微差异，各模块支持的AI框架请参见如下描述。 统一镜像列表 ModelArts提供了ARM+Ascen

查看更多 →

调度管理 作业策略管理 支持自定义作业执行的频度、日历信息，可以为不同作业定义不同调度频率和日历。 图1 作业策略管理1 图2 作业策略管理2 作业计划场景 数据服务共享平台为开发人员提供按照计划自动执行作业的能力，支持在计划中配置自定义的频度、日历、作业、作业执行优先级等内容。

查看更多 →

调度管理 资产领用单 资产领用 资产上线[挂载](PDA) 资产下线 资产借用单 资产借用 资产归还单 资产归还扫描 资产报废单 资产报废扫描 资产盘点计划单 资产盘点 资产盘盈盘亏单 资产处置单 资产搬运计划 资产搬运扫描 资产转移 父主题： 设备管理

查看更多 →

Standard/ CCE Turbo Gang调度策略是volcano-scheduler的核心调度算法之一，它满足了调度过程中的“All or nothing”的调度需求，避免Pod的任意调度导致集群资源的浪费。具体算法是，观察Job下的Pod已调度数量是否满足了最小运行数量，当Job的

查看更多 →

调度作业 对已编排好的作业设置调度方式。 如果您的作业是批处理作业，您可以配置作业级别的调度任务，即以作业为一个整体进行调度，支持单次调度、周期调度、事件驱动调度三种调度方式。具体请参见配置作业调度任务（批处理作业）。 如果您的作业是实时处理作业，您可以配置节点级别的调度任务，即

查看更多 →

GPU调度 GPU节点驱动版本 使用Kubernetes默认GPU调度 GPU虚拟化 监控GPU资源指标 基于GPU监控指标的工作负载弹性伸缩配置 GPU虚拟化节点弹性伸缩配置 GPU故障处理 父主题： 调度

查看更多 →

Volcano调度 Volcano调度概述 使用Volcano调度工作负载 资源利用率优化调度 业务优先级保障调度 AI任务性能增强调度 NUMA亲和性调度 应用扩缩容优先级策略 父主题： 调度

查看更多 →

NPU调度 NPU调度概述 NPU节点标签 huawei-npu插件 创建NPU应用 父主题： 管理本地集群

查看更多 →

包括： 与RM调度器协商以获取资源（用Container表示）。 将得到的资源进一步分配给内部任务。 与NM通信以启动/停止任务。 监控所有任务的运行状态，并在任务运行失败时重新为任务申请资源以重启任务。 NodeManager（NM） NM是每个节点上的资源和任务管理器，一方面

查看更多 →

包括： 与RM调度器协商以获取资源（用Container表示）。 将得到的资源进一步分配给内部任务。 与NM通信以启动/停止任务。 监控所有任务的运行状态，并在任务运行失败时重新为任务申请资源以重启任务。 NodeManager（NM） NM是每个节点上的资源和任务管理器，一方面

查看更多 →

包括： 与RM调度器协商以获取资源（用Container表示）。 将得到的资源进一步分配给内部任务。 与NM通信以启动/停止任务。 监控所有任务的运行状态，并在任务运行失败时重新为任务申请资源以重启任务。 NodeManager（NM） NM是每个节点上的资源和任务管理器，一方面

查看更多 →

的方式来处理。框架会对map的输出先进行排序，然后把结果输入给reduce任务，最后返回给客户端。通常作业的输入和输出都会被存储在文件系统中。整个框架负责任务的调度和监控，以及重新执行已经失败的任务。 MapReduce主要特点如下： 大规模并行计算 适用于大型数据集 高容错性和高可靠性

查看更多 →

查询任务调度列表（API名称：findTaskScheduleList） 功能介绍 查询任务调度列表。 相关接口 接口名称 调用说明 获取Token 调用该接口获取到Token，再调用其他接口时，需要在请求消息头中添加“Authorization”，其值即为Token。 URL 请求方式

查看更多 →

的方式来处理。框架会对map的输出先进行排序，然后把结果输入给reduce任务，最后返回给客户端。通常作业的输入和输出都会被存储在文件系统中。整个框架负责任务的调度和监控，以及重新执行已经失败的任务。 MapReduce主要特点如下： 大规模并行计算 适用于大型数据集 高容错性和高可靠性

查看更多 →

的方式来处理。框架会对map的输出先进行排序，然后把结果输入给reduce任务，最后返回给客户端。通常作业的输入和输出都会被存储在文件系统中。整个框架负责任务的调度和监控，以及重新执行已经失败的任务。 MapReduce主要特点如下： 大规模并行计算 适用于大型数据集 高容错性和高可靠性

查看更多 →