任务中心
任务中心主要是对离线、在线模型自动化调度运行进行任务式管理，每次任务调度时，都将按照模型设置好的参数和数据自动进行运行，通过任务状态监控单次任务的健康情况。在线服务 在线服务模块展示并管理用户添加的服务，已创建的服务支持...
模型训练
Designer提供了丰富的建模组件，您可以使用工作流，可视化的灵活构建模型、调试模型并周期性地调度模型，以完成模型训练。本文为您介绍使用Designer训练模型的具体操作步骤。前提条件 已创建工作流。您可以根据业务需要创建空白工作流或...
什么是故障
包括根因检查点（如故障原因、最近活动、注入方式、恢复方式等）、故障变更检查、监控检查，并需要对每一个故障明确责任人及团队；故障改进：支持对故障制定明确的改进及验收措施、责任人及完成时间，确保每个深度复盘后的故障都能对业务...
如何管理故障
可对故障根因进行原因检查并结构化录入，检查点包括：故障原因、最近活动、注入方式、恢复方式等；关联故障期间的故障变更，新增故障改进措施等操作。故障状态 处理中：处理中仍未恢复的故障；已恢复：故障对处理中的故障做 恢复 操作后是...
故障管理
包括根因检查点（如故障原因、最近活动、注入方式、恢复方式等）、故障变更检查、监控检查，并需要对每一个故障明确责任人及团队；故障改进：支持对故障制定明确的改进及验收措施、责任人及完成时间，确保每个深度复盘后的故障都能对业务...
故障复盘
复盘文档一般包含以下内容：故障简述：故障概述、影响面、处理人等 故障背景：故障发生时的业务链路 故障时间线：着重强调故障引入、故障发生、故障发现、业务响应、恢复执行、故障恢复几个时间点 故障原因分析：建议先一句话总结，再进行...
故障演练
故障演练就是这个背景下诞生的，沉淀通用的故障场景，以可控成本在线上故障重放，以持续性的演练和回归方式的运营来暴露问题，不断验证和推动系统、工具、流程、人员能力的提升，从而提前发现并修复可避免的重大问题，或通过验证故障发现...
服务初始化
DataWorks、MaxCompute 是基于云原生的两款大数据服务，可搭配使用，针对推荐系统中特征处理、样本生成、画像管理、模型调度、数据更新等环节，提供了易用的开发工具和稳定的数据环境。对象存储 OSS 阿里云对象存储 OSS（Object Storage ...
应用故障自动诊断
在EDAS中进入应用总览页面时，会按照您自定义的时间段对该应用的运行情况做一个自动诊断。...数据支持：这一部分包含了得到推测结论的数据支持，不同故障原因的诊断报告中包含的分析数据将不一样。图 1.故障诊断报告示例图-RT诊断
Pod诊断
容器智能运维平台 构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。Pod诊断融合了基于专家经验和AI智能诊断两种诊断模式，进一步深入定位问题根因。Pod诊断包括诊断检查项和诊断根因。诊断检查项：包括Pod检查...
Pod诊断
容器服务平台构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。Pod诊断融合了基于专家经验和AI智能诊断两种诊断模式，进一步深入定位问题根因。Pod诊断包括诊断检查项和诊断根因。诊断检查项：包括Pod检查、...
如何在调度任务中自动同步PAI模型至OSS
本文为您介绍如何在调度任务中，自动同步PAI模型至OSS。前提条件 在开始执行操作之前，请确认您已经完成以下准备工作：已开通OSS并创建OSS Bucket存储空间，详情请参见 开通OSS服务 和 控制台快速入门。已完成OSS访问授权，详情请参见 云...
使用ECI弹性调度
在1.22.15及1.24.6版本集群中，Pod调度失败原因与PodStatus中的信息对应关系为：取值不为 eci、eci_only：requesttypemustbeeci,eci_onlyorecs。取值为 eci_only 且集群中不存在Virtualnode：doesn'tfitecitype:eci_only。创建并拷贝以下...
LLM定制
定制模型介绍 为了更好的满足用户的搜索问答体验，OpenSearch智能问答版推出了LLM定制模型的功能，用户可以根据实际的业务场景需要训练专属的大模型。操作步骤 说明 LLM定制模型只支持智能问答版实例为专业版的进行创建 创建模型 1、创建...
流程简介
创建模型 模型为数据探索的核心部分，将数据及算子编排成模型，并对模型列表进行统一管理，包含模型版本管理、模型任务管理、模型复制、模型归档等操作。配置调度任务/服务 任务中心主要是对 离线 模型自动化调度运行进行任务式管理。
如何定义Manifest
包括插件相关的API出入参、插件作用等关键信息，大模型会根据Manifest的信息知晓当前的插件可以完成什么（What），什么时候该调度（When），如何完成要完成的事情（How），从而完成插件的调度、调用，完成大模型和三方API的结合。...
功能简介
数据探索（Data Discovery）是一款面向业务人员的业务模型（智能数据与智能算子组装）编排、调试、运行及运营管理产品，旨在将“大数据”变成“人人都可用的大数据”。数据探索面向行业客户和业务人员，提供工具内容一体化的业务模型构建...
故障协同处理（基于钉钉）
2.故障应急场景群：事件升级故障后，群内推出 故障处理中 消息卡片，如果满足自动生成故障场景群的需求（下文详细介绍创建故障场景群逻辑），故障场景群内同时推出 故障处理中 消息卡片。本群故障消息卡片包含按钮：签到、签到记录、应急...
离线调度
通过大数据开发套件对模型进行调度。每天凌晨对广告投放进行CTR预测，甄选出符合标准的广告进行推送。本工作流数据集是通过Random算法随机生成的，因此不对工作流结果进行评估，仅介绍如何构建工作流及大数据开发套件调度。步骤一：准备...
设置Pod故障处理策略
配置说明 在虚拟节点上创建ECI Pod时，可能会因为库存不足等原因导致Pod创建失败，默认情况下，系统会自动进行重调度，尝试重新创建Pod。您可以通过添加 k8s.aliyun.com/eci-fail-strategy 的Annotation来修改Pod故障处理策略，设置Pod创建...
调度参数
FAILED:ODPS-0130161:[1,84]Parse exception-invalid token '$' 报错原因：调度参数未赋值或赋值出现异常。解决办法：检查是否有给调度参数赋值。检查配置的调度参数是否符合要求（详情请参见 调度参数支持的格式）。重要 修改参数配置后需...
用户洞察常见问题
设置底表的调度导入后，建议将人群、RFM模型、AIPL模型设置为跟随底层数据调度更新，这样每次数据表成功导入后，人群、RFM模型、AIPL模型都将自动更新为新的数据。哪些原因会导致数据表导入失败，AIPL模型、RFM模型、自定义标签、人群更新...
使用Gang scheduling
原因：当集群中同时存在多个PodGroup调度时，由于调度器存在BackOff队列，可能存在一个PodGroup的所有Pod的调度没有完全聚合在一起的情况。此时已经预占资源的Pod可能会影响后续PodGroup的Pod调度，因此在后续PodGroup的Pod调度时，会拒绝...
使用Gang scheduling
原因：当集群中同时存在多个PodGroup调度时，由于调度器存在BackOff队列，可能存在一个PodGroup的所有Pod的调度没有完全聚合在一起的情况。此时已经预占资源的Pod可能会影响后续PodGroup的Pod调度，因此在后续PodGroup的Pod调度时，会拒绝...
扩展MapReduce（MR2）
相比于传统的MapReudce，MaxCompute提供的扩展MapReduce模型（简称MR2）改变了底层的调度和IO模型，可避免作业时冗余的IO操作。与MaxCompute相比，MR2在Map、Reduce等函数编写方式上基本一致，较大的不同点发生在执行作业时，示例请参见 ...
kube-scheduler
kube-scheduler是一个控制面组件，负责结合节点资源使用情况和Pod的调度要求将Pod调度到集群的合适节点上。组件介绍 基于Pod申明的Request和节点的Allocatable属性，kube-scheduler可以为调度队列中每个Pod确定其可放置的节点，并保证节点...
模型预测概述
在线模型服务定时自动更新 将训练获得的模型部署为在线服务后，支持在Designer模型产出组件的下游接入更新EAS服务组件，来更新在线服务，并支持将工作流提交到DataWorks进行周期性调度，实现模型服务定时自动更新。离线预测 在Designer中，...
新建离线模型
查看模型 在模型列表中，单击目标模型 操作 列的 查看，在页面右侧弹出的面板中查看模型基础信息，在面板中单击 查看模型，进入模型画布页面，可查看模型详情。说明 已发布版本的模型才能进行查看操作。新建任务 在模型列表中，单击目标...
工作原理
日志服务智能异常分析App提供模型训练和实时巡检功能，支持对日志、指标等数据进行自动化、智能化、自适应地模型训练和异常巡检。本文介绍智能巡检的背景信息、工作原理、功能特性、基本概念、调度与执行场景和使用建议。背景信息 基于时间...
产品功能
通过SchedulerX可以管理定时调度任务、查询任务执行记录和运行日志。本文介绍SchedulerX调度、执行和运维三个方面的功能。定时调度 Crontab 支持Unix Crontab表达式，不支持秒级别调度。更多信息，请参见 Cron。Fixed rate Crontab必须被60...
故障排查
排查故障的经典步骤与常见原因 如何通过查看日志排查故障？ACK集群异常 添加Kubernetes集群节点的常见问题 容器镜像仓库构建服务失败问题排查 容器镜像服务源码绑定失败问题排查 Kubernetes集群如何指定安全组 Kubernetes集群网络异常的...
模型服务网格
模型服务网格（Model Service Mesh）提供了一个可扩展的、高性能的基础架构，用于将多个模型服务进行管理、部署和调度，以此更好地处理模型的部署、版本管理、路由和推理请求的负载均衡。本文介绍模型服务网格的概念和相关功能。什么是模型...
数据开发
资源属性 配置：任务由调度资源组调起运行，所以这里配置调度资源组为 公共调度资源组。调度依赖 配置：单击 同周期 页签中 依赖的上游节点 后的 使用工作空间根节点，其他参数保持默认。配置调度依赖的目的是为了保障上游表产出完成才会...
GTM如何实现异地容灾
概述 方案介绍 异地容灾是指应用服务部署在不同地域时，当其中一地出现故障时，全局流量管理（简称GTM）可以将出现故障地域的用户访问流量，调度至异地灾备中心，保障用户访问连续不间断。本文将以两地三中心灾备架构为读者讲解异地灾备的...
云原生AI套件概述
异构计算集群概述 开启集群GPU监控 共享GPU调度概述 AI任务调度 多种调度策略支持：针对AI分布式训练等典型批量任务类型，ACK调度器扩展Kubernetes原生调度框架，支持实现多种典型批量调度策略，包括Gang Scheduling（Coscheduling）、FIFO...
调度概述
功能 描述 参考文档 负载感知调度 在调度过程中，通过参考节点负载的历史统计，将Pod优先调度到负载较低的节点，实现节点负载均衡的目标，避免出现因单个节点负载过高而导致的应用程序或节点故障。使用负载感知调度 使用负载热点打散重调度...
常见问题
4.发现百炼上的base model模型，有时候模型自己会重复说话，并且在base model上进行微调后，这种现象发现会更严重一些，是什么原因？这种是大模型的幻觉问题，当你输入的问题大模型没有知识回答的时候就可能出现。如果在base model上训练后...
如何管理应用级别的资源和任务优先级
对于业务规模较大的应用而言，调度的稳定性和核心任务的时效性是至关重要的。本文介绍如何管理应用级别的资源和任务优先级。背景信息 一些第三方的资源管理系统（例如Mesos和Yarn），能够实现CPU和内存级别的资源管控，而您使用自己的...
集群高可用架构推荐配置
节点池高可用配置 您可以基于节点的弹性伸缩、部署集、多AZ，结合K8s调度的拓扑分布约束，确保服务在不同的故障域（failure-domain）资源充足且有所隔离，从而当某一故障域出现问题时，服务仍然可以保持运行，减少单点故障的风险，提高系统...
Java SDK
schedule.timestamp（执行调度时间）data.timestamp（调度数据时间）无 1.8.13，2023-09-08 功能名称 变更类型 功能描述 相关文档 执行线程模型调整 新增 执行线程模型调整。模型切换为 非共享 线程池模式。共享线程池模型下共享线程池参数...
- 产品推荐
- 这些文档可能帮助您