产品与工具
这里的东西都来自真实集群,目标是“能直接抄”,而不是“读完觉得有道理”:配置、清单、脚本,当天就能落到生产系统里。
在做的三样
都在整理中。不做预售、不挂占位价格——真正能用的时候才上线。
Slurm 生产化配置包
CPU+GPU 异构节点的 slurm.conf 模板、分区与 QoS 设计、抢占策略,以及从真实故障里整理的报错对照表。
上线通知我 →集群交付验收清单
从上架到验收:布线拓扑与线缆管理、固件与驱动生命周期、烤机基准、验收标准与签字页。
上线通知我 →可观测性模板
GPU 集群的 Prometheus + Grafana 面板:节点健康、IB 链路误码、队列压力,以及真正值得半夜叫醒你的告警项。
上线通知我 →这些东西怎么来的
- 来自现场,不来自文档:每一项都是从亲手搭过、调过、修过的集群里抽出来的。客户与雇主的可识别信息全部删除,工程判断和数据保留。
- 先能抄,再谈解释:如果一份配置不能拿去直接用,它就还没做完。
- 方法免费,成品付费:15 章知识库里已经公开了大量方法;付费的是压缩过、能直接运行的那一版。
为什么收费
写和验证这些东西要占用真实时间,没有第二种成本结构。付费版本是让免费章节能继续写下去的原因。
想要其中一样,或者想让按你的环境做
如果产品覆盖不到你的场景,直接去 合作方式:一次评审或一个范围明确的委托,通常比改造模板更快。