Перейти к содержимому
Экосистема AI Vibe

Новости

NVIDIA Workload Map: один YAML вместо адаптера под каждый AI-фреймворк на K8s

Редакция 2 ноября 2026 г.

Дерево распределённого JobSet на Kubernetes с ролями leader и worker и суммарным запросом GPU в одном представлении Workload Map.

Распределённый AI-job на Kubernetes , не один pod, а дерево ролей, шаблонов и статусов, и JobSet, Ray и PyTorchJob кодируют это по-разному. NVIDIA выложила Workload Map: общее декларативное описание структуры, которое планировщики и платформы читают без отдельного Go-адаптера под каждый custom resource. Компонент , часть DSX AI Factory Platform, лицензия Apache 2.0; анонс датирован 2 ноября 2026. Определения ставятся в кластер как манифест с kind Karta (раньше проект назывался Karta). Тот же паттерн, с которым сталкивалась команда Run:ai: для каждого нового CRD в коде отвечали, как устроен workload, как status становится phase и как менять pod spec, не ломая job , теперь ответы лежат в YAML. Готовые описания В каталоге уже есть проверенные definitions , их можно подключить как обычный манифест: JobSet, PyTorchJob, MPIJob, LeaderWorkerSet RayCluster, RayJob, RayService KServe, Knative, NVIDIA NIM, NVIDIA Dynamo Milvus, Grove PodCliqueSet Go-библиотека из репозитория вытаскивает из живого объекта pod templates, replica counts, metadata и иерархию , например replicated Jobs внутри JobSet. CLI и кто читает одно описание Утилита kli ставится через Homebrew ( brew tap dsx-ai-factory/kli , затем brew install dsx-ai-factory/kli/kli ), работает по kubeconfig и не требует установки Workload Map в кластер для инспекции. На demo JobSet с leader (1×4 GPU) и worker (2×4 GPU) команда kli describe jobset/demo -n собирает дерево ролей и строку TOTAL: 12 GPU , то, что kubectl разносит по отдельным Job и pod. Тот же catalog definition для JobSet тянет gang scheduling в KAI Scheduler, единый workload в NVIDIA Run:ai после одного API-вызова и выбор кластера в Elotl Nova , структура и запрос ресурсов без своего парсера под Ray или PyTorchJob. Источник: Support New AI Frameworks Faster Using NVIDIA Workload Map .