ascendai/noded

集群调度组件 NodeD

快速参考

• NodeD由MindCluster仓库维护
• 获取帮助渠道：
  • MindCluster仓库
  • https://www.hiascend.com/document/detail/zh/mindcluster/2600/clustersched/dlug/docs/zh/scheduling/introduction.md
  • 问题追踪器

NodeD概述

NodeD是MindCluster集群调度组件之一，部署在计算节点上。它负责检测节点异常状态，从IPMI获取CPU、内存和磁盘故障信息，并上报给ClusterD。

使用场景

当节点的CPU、内存或磁盘发生故障时，训练任务可能失败。为了让训练任务在节点故障时快速退出，并防止新任务被调度到故障节点，MindCluster提供NodeD组件用于检测节点异常。

核心功能

• 从IPMI获取节点异常信息并上报至上层资源调度服务
• 定期向上层资源调度服务发送节点故障信息

上下游依赖

1. 从IPMI获取计算节点的CPU、内存和磁盘故障信息
2. 向ClusterD上报计算节点的CPU、内存和磁盘故障信息

支持的标签与Dockerfile链接

标签约定

标签格式如下：

plaintext
<version>

NodeD 26.0.0

快速开始

前提条件

软件依赖

硬件要求

在线获取NodeD镜像

1. 拉取官方镜像
   从AscendHub拉取NodeD镜像，将{tag}替换为实际版本（推荐v26.0.0）：

bash
docker pull swr.cn-south-1.myhuaweicloud.com/ascendhub/noded:{tag}

2. 重新标记镜像
   为官方镜像添加本地标签，便于统一命名和管理：

bash
docker tag swr.cn-south-1.myhuaweicloud.com/ascendhub/noded:{tag} noded:{tag}

本地构建（可选）

以下示例使用linux-aarch64架构和v26.0.0版本：

1. 下载官方发布的组件包：

shell
wget https://gitcode.com/Ascend/mind-cluster/releases/download/v26.0.0/Ascend-mindxdl-noded_26.0.0_linux-aarch64.zip

2. 解压到自定义目录：

shell
unzip Ascend-mindxdl-noded_26.0.0_linux-aarch64.zip -d Ascend-mindxdl-noded_26.0.0_linux-aarch64

3. 进入解压后的工作目录：

shell
cd Ascend-mindxdl-noded_26.0.0_linux-aarch64

4. 本地构建Docker镜像（禁用缓存确保干净构建）：

bash
docker build --no-cache -t noded:v26.0.0 ./ -f Dockerfile

部署NodeD

1. 标记Kubernetes节点
   为对应节点添加标签，用于集群调度匹配。将替换为实际节点名：

bash
kubectl label nodes <node-name> workerselector=dls-worker-node

2. 启动NodeD
   部署前，将YAML文件中的镜像{tag}替换为实际版本：

bash
kubectl apply -f noded-{version}.yaml

3. 验证部署

bash
kubectl get pods -A | grep noded

预期结果：对应命名空间中的noded相关Pod处于Running状态。

支持的硬件

当前支持的Atlas硬件型号描述，请参考官方文档： 支持的产品形态和OS列表

许可证

查看镜像中包含的Mind系列软件的https://www.hiascend.com/en/legal/softlicense。
与所有容器镜像一样，预安装的软件包（Python、系统库等）可能受其各自许可协议约束。