SageMaker HyperPod
亚马逊AWS推出的面向大规模分布式模型训练的专用基础设施服务，基于EKS集群运行，提供弹性恢复能力的持久化GPU集群，支持训练任务自动检测故障并恢复进度
时间轴 (近 90 天)
架构支持按命名空间级别进行成本分配（cost allocation），实现跨团队的 chargeback（费用回拨）
SageMaker HyperPod是AWS面向大规模模型训练设计的基础设施，底层基于EKS集群运行
SageMaker HyperPod于2023年底推出，专为大规模分布式训练设计
SageMaker HyperPod提供具备弹性恢复能力的持久化集群，当节点故障时系统可自动检测并恢复训练进度，无需从头重启任务
SageMaker Studio现在可以直接创建、配置、启动、停止并打开运行在SageMaker HyperPod EKS集群上的SageMaker Spaces
在过去，在HyperPod集群上管理交互式开发环境往往需要借助kubectl等命令行工具
对于已经在使用SageMaker HyperPod EKS集群的团队，这项更新几乎没有迁移成本
EKS（Elastic Kubernetes Service）是AWS托管的Kubernetes服务，HyperPod借助它来调度和管理GPU节点资源
全部知识事实 (8)
架构支持按命名空间级别进行成本分配（cost allocation），实现跨团队的 chargeback（费用回拨）
50%待验证SageMaker HyperPod是AWS面向大规模模型训练设计的基础设施，底层基于EKS集群运行
50%待验证SageMaker HyperPod于2023年底推出，专为大规模分布式训练设计
50%待验证SageMaker HyperPod提供具备弹性恢复能力的持久化集群，当节点故障时系统可自动检测并恢复训练进度，无需从头重启任务
50%待验证在过去，在HyperPod集群上管理交互式开发环境往往需要借助kubectl等命令行工具
50%待验证对于已经在使用SageMaker HyperPod EKS集群的团队，这项更新几乎没有迁移成本
50%待验证EKS（Elastic Kubernetes Service）是AWS托管的Kubernetes服务，HyperPod借助它来调度和管理GPU节点资源
50%待验证SageMaker Studio现在可以直接创建、配置、启动、停止并打开运行在SageMaker HyperPod EKS集群上的SageMaker Spaces
50%