搜索你想找的开源项目

输入名称、用途或关键词,也可粘贴 GitHub 仓库链接
全部技能

gke-ai-troubleshooting-handle-disruption-gpu-tpu

判断 GKE 上 GPU/TPU 节点中断是否由主机维护引起,并给出缓解建议。

适合什么时候用

当你的 GKE GPU/TPU 节点重启或驱逐了 Pod,需要确认是否由计划内主机维护导致时使用。

举个例子

你对 AI 说

使用 gke-ai-troubleshooting-handle-disruption-gpu-tpu 排查项目 ml-prod、集群 training-east、区域 us-central1 的 GPU 节点池在 2025-03-10 14:00 UTC 前后 Pod 重启的原因。

你会拿到
  • 维护原因结论
  • PromQL 中断查询
  • 缓解措施建议

它会怎么做

  • 先检查计划维护节点标签、中断计数指标和活动维护日志,再下结论。
  • 若各项检查均为空,则排除主机维护,转而指向应用层原因。