做数据集群训练，如何比较好的资源调度做到程序稳定（多深度学习GPU的调度策略）？

蓝海大脑液冷数据中心研发人员指出：这是一个就是GPU集群管理调度的一个问题，现在主流的GPU系统在国内可以分成2部分，一类是交通系统，一类是基于容器的一个比如K8S的调度编排的一个调度系统。K8S里面是支持了GPU设备的自发现，然后你只是去提交GPU的一个请求的个数以及GPU资源的类型，然后它会自动去帮你去做调度。另外的话是以HPC为传统的那种，比如说PPS或SLAM调度，SLAM里面也有支持GPU设备的一个自我调度，然后把GPU设备作为一个计算对象可以去请求。当然由于GPU系统的拓扑结构是一样的，不同的调度算法，给你分配的GPU资源可能会存在一些GPU拓扑不是最优的情况。然后针对这种情况，不管是SLAM还是K8S系统，NVIDIA写了一个拓扑自我检测的小程序算法，它可以很好的集成到K8S以及SLAM里面，然后在做GPU资源分配时，根据这个算法去分配GPU资源，以保证你分配的CPU资源是最优的，拓扑最优，而且也会保证以后的分配，对以后资源的拓扑最优也会有保证。

当我们写了个NodeJS程序的时候，一般用node

yourjsfile.js命令启动该程序。但是如果程序中有东西出错，这个进程就会退出。我们写程序不可能保证万无一失，肯定有些没有处理的错误，这就

让很多人觉得NodeJS不稳定，容易产生很多故障。 下面我就讲讲几种方法增加你的NodeJS程序的稳定性。

1.使用 try{…} catch(error){…} 来执行容易出错的代码段。比如解析一个外来的json字符串等。

2.使用 process.on('uncaughtException’, function(err){…})来处理未被捕捉的错误。

3.试用奶妈进程来启动你的程序，检测子进程的退出，然后自动重启该进程。比如 mother.js

第 章 Java性能调优概述

性能概述

看懂程序的性能

性能的参考指标

木桶原理与性能瓶颈

Amdahl定律

设计调优

代码调优

JVM调优

数据库调优

*** 作系统调优

优化的一般步骤

系统优化注意事项

小结

第 章设计优化

善用设计模式

单例模式（ ）

单例模式（ ）

单例模式（ ）

代理模式（ ）

代理模式（ ）

代理模式（ ）

代理模式（ ）

代理模式（ ）

代理模式（ ）

代理模式（ ）

享元模式（ ）

享元模式（ ）

装饰者模式（ ）

装饰者模式（ ）

装饰者模式（ ）

装饰者模式（ ）

观察者模式（ ）

观察者模式（ ）

观察者模式（ ）

Value Object模式（ ）

Value Object模式（ ）

业务代理模式（ ）

业务代理模式（ ）

缓冲（Buffer）（ ）

缓冲（Buffer）（ ）

缓存（Cache）（ ）

缓存（Cache）（ ）

缓存（Cache）（ ）

对象复用 池 （ ）

对象复用 池 （ ）

对象复用 池 （ ）

对象复用 池 （ ）

对象复用 池 （ ）

并行替代串行

负载均衡（ ）

负载均衡（ ）

负载均衡（ ）

负载均衡（ ）

时间换空间

空间换时间

小结

编辑推荐

       Java程序设计培训视频教程

       J EE高级框架实战培训视频教程

       J ME移动开发实战教学视频

Visual C++音频/视频技术开发与实战

Oracle索引技术

lishixinzhi/Article/program/Java/gj/201311/27852

---