新闻 · AWS Machine Learning Blog
Amazon SageMaker HyperPod 管理与治理最佳实践
了解如何通过 Amazon SageMaker Unified Studio 管理 Amazon SageMaker HyperPod，同时保持集群治理。本文向平台团队展示如何设计基础设施边界、治理访问权限、分配共享容量，并在组织、项目、集群和工作负载控制层之间一致地运营 HyperPod。
en
英文原标题：Best practices for Amazon SageMaker HyperPod administration and governance
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 文章讨论在多个团队共享 Amazon SageMaker HyperPod 集群时，治理比技术搭建更具挑战性，需要明确团队准入、容量分配、竞争处理与责任归属。
- Amazon SageMaker Unified Studio 可将 HyperPod 集群连接到项目，让成员从项目工作区启动工作负载，但共享可见性后访问控制更为重要。
- 文章提出四层控制模型：组织层、项目层、集群层和工作负载层，每层回答不同问题并使用不同控制手段。
- 组织层通过 SageMaker Unified Studio 域、域单元、关联账户、项目配置文件和授权策略，决定谁可创建项目及可用账户、区域和工具。
- 项目层通过项目成员资格、项目角色和 HyperPod 连接定义协作上下文；集群层通过管理员角色、EKS 访问条目、RBAC、Pod Identity 或 Slurm 控制治理集群配置与调度器访问。
关键数据
- 四层控制：组织、项目、集群、工作负载
- EKS 场景建议按租户使用命名空间
- Slurm 不提供与 EKS 相同的借出借入模型
为什么值得看：文章提供了在 SageMaker Unified Studio 中管理 HyperPod 集群的可重复治理模型，帮助基础设施团队在向 ML 团队提供已批准计算的同时保留集群运营控制。