集群管理
多集群、多节点的注册与观测：节点如何接入拓扑、GPU 指标如何采集与展示、异常节点如何摘除与恢复。
本节内容
01
集群与拓扑
多集群建模，层级拓扑可视化，节点与 GPU 的状态机。
02
节点引导
引导脚本的工作原理、离线环境安装、批量接入多节点。
03
GPU 指标与监控
利用率、显存、温度等关键指标的采集频率与告警阈值。
04
节点健康检查
心跳与探活机制，节点失联后的自动摘除与恢复流程。
多集群、多节点的注册与观测：节点如何接入拓扑、GPU 指标如何采集与展示、异常节点如何摘除与恢复。
多集群建模，层级拓扑可视化，节点与 GPU 的状态机。
引导脚本的工作原理、离线环境安装、批量接入多节点。
利用率、显存、温度等关键指标的采集频率与告警阈值。
心跳与探活机制，节点失联后的自动摘除与恢复流程。