Канал для системных администраторов или те кто работает в ИТ сфере.
📚КНИГИ ПО
💠Cisco systems
💠Mikrotik
💠VoIP
💠Linux
💠 Windows server
💠 Сетевые технологии
📽Видеоуроки
🤝Поддержка
Наша группа: @SySAD
Feedback bot: @SySADbot
Post #11477
1.28K
Channel Public Channel
СИ Системный администратор - Сетевые технологии - Компьютерная помощь
@sysadmin1
- Subscribers
- 8.36K
- Photos
- 3.7K
- Videos
- 5.1K
- Links
- 1K
Showing posts older than #11479 · Back to latest
Older Posts 20 shown
Post #11475
1.24K
🐧 С Днём системного администратора!
Желаем, чтобы:
CPU: 2%
RAM: свободна
Disk: 80% free
Users: спокойны
Boss: доволен
Uptime: 999 days
А единственная ошибка, которую вы увидите сегодня, будет:
404: Problems Not Found
@sysadmin1
Желаем, чтобы:
CPU: 2%
RAM: свободна
Disk: 80% free
Users: спокойны
Boss: доволен
Uptime: 999 days
А единственная ошибка, которую вы увидите сегодня, будет:
404: Problems Not Found
@sysadmin1
- ❤ 18
- 🎉 9
- 👍 7
- 💯 1
Post #11474
1.39K
Post #11472
1.5K
Post #11470
1.54K
Post #11469
1.55K
Post #11467
1.59K
Post #11465
1.63K
Post #11464
1.67K
Post #11463
1.7K
Post #11461
1.55K
Post #11459
1.42K
Post #11457
1.59K
Post #11456
1.7K
Post #11455
1.65K
Post #11454
1.64K
Post #11452
1.53K
Post #11450
4.19K
Post #11444
1.45K
Post #11442
1.35K
DevOps-инструмент недели: HAMi
Обычно Kubernetes-кластер выделяет целый GPU под одну рабочую нагрузку.
В результате часть ресурсов GPU простаивает.
HAMi решает эту проблему.
Это опенсорс middleware для Kubernetes, которое позволяет распределять, изолировать и планировать GPU и другие AI-ускорители между Pod’ами без изменений в коде приложения.
Что умеет HAMi:
- Делит один GPU на несколько частей по объёму памяти, количеству ядер или числу устройств
- Задаёт жёсткие лимиты памяти и вычислительных ресурсов для каждой рабочей нагрузки, чтобы один Pod не мог занять ресурсы другого
- Оптимально распределяет задачи по GPU: уплотняет их для экономии ресурсов или разносит по разным устройствам, чтобы избежать снижения производительности
- Управляет NVIDIA GPU, NPU, DCU, MLU и другими типами ускорителей через единый механизм планирования
- Позволяет запускать мультитенантные задачи обучения, инференса и среды с ноутбуками в общем пуле GPU
GitHub: https://github.com/Project-HAMi/HAMi
@sysadmin1
Обычно Kubernetes-кластер выделяет целый GPU под одну рабочую нагрузку.
В результате часть ресурсов GPU простаивает.
HAMi решает эту проблему.
Это опенсорс middleware для Kubernetes, которое позволяет распределять, изолировать и планировать GPU и другие AI-ускорители между Pod’ами без изменений в коде приложения.
Что умеет HAMi:
- Делит один GPU на несколько частей по объёму памяти, количеству ядер или числу устройств
- Задаёт жёсткие лимиты памяти и вычислительных ресурсов для каждой рабочей нагрузки, чтобы один Pod не мог занять ресурсы другого
- Оптимально распределяет задачи по GPU: уплотняет их для экономии ресурсов или разносит по разным устройствам, чтобы избежать снижения производительности
- Управляет NVIDIA GPU, NPU, DCU, MLU и другими типами ускорителей через единый механизм планирования
- Позволяет запускать мультитенантные задачи обучения, инференса и среды с ноутбуками в общем пуле GPU
GitHub: https://github.com/Project-HAMi/HAMi
@sysadmin1
- 🔥 2
- 🎉 1