📖 AI 总结

NVIDIA Topograph 是一款面向 AI 工厂的拓扑感知调度工具，旨在解决 GPU 工作负载因放置不当而导致的性能与能效损失问题。它通过云 API 或本地网络架构系统自动发现集群拓扑，将其归一化为统一模型，并以 Kubernetes 节点标签、Slurm 配置或 Slinky ConfigMap 等格式发布，供调度器直接使用。当集群发生变化时，Topograph 会持续重新生成拓扑视图，无需人工维护。该工具支持 Google Cloud、Lambda、Nebius、Nscale 和 Oracle Cloud Infrastructure 等云平台，本地环境则覆盖 InfiniBand、Spectrum-X 和 Multi-Node NVLink 域，并与 KAI Scheduler 集成实现拓扑感知的 gang 调度。运维人员可通过 Helm 在 Kubernetes 上部署，或在 Slurm 集群上以原生包安装，还可借助模拟工具在无生产硬件的情况下进行测试。