全部文档
当前文档
最近更新时间：2025-10-10 15:04:55
金山云星流训推平台为机器学习场景开发者和运维人员提供云原生AI算力和全流程管理能力支持，由基础资源管理、算力管理工具、训推任务管理、资产与权限管理等模块构成，包含任务编排调度、任务可观测性等核心特性，旨在为用户提供一站式训推任务管理平台，保障训推任务稳定高效运行，提升算力使用效率。
一站式全流程管理能力
提供从模型开发、训练到推理的完整生命周期管理，打通基础资源调度、算力优化、任务编排、权限管控全链路，降低多模块协同复杂度，实现“开箱即用”的AI开发体验
异构资源高效调度
通过动态任务编排算法与算力管理工具，智能匹配异构算力资源与任务需求，保障GPU资源利用率，显著降低算力闲置成本
高性能存储与网络加速
集成分布式存储系统与高速RDMA网络架构，实现训练数据高速提取、模型参数高吞吐传输，支撑大规模分布式训练任务并行效率提升
任务全生命周期可观测
任务级可观测能力覆盖开发、训练、推理全流程，结合监控、日志、事件信息及硬件维度监控指标，快速定位异常点，缩短排障时间
智能运维保障稳定性
GPU故障自愈技术结合任务可观测性设计，实时监控硬件健康状态与任务进程，自动触发故障迁移与任务重调度，降低算力中断风险，保障长周期训练任务稳定运行
企业级安全管控体系
深度整合资产权限管理与访问控制体系，提供细粒度角色权限控制、任务隔离及资产隔离功能，满足多用户权限控制场景的合规性要求
纯净模式
