AI и дата-центры
NVIDIA запустила Minerva для наблюдения за ИИ-фабриками
Публикация:
Minerva объединяет телеметрию ускорителей, сети, хранилищ и вычислительных задач, чтобы искать причины сбоев в инфраструктуре ИИ. NVIDIA описывает её как платформу AIOps с графом оборудования и заданий, обнаружением аномалий и помощником для операторов.
22 октября NVIDIA объявила о запуске Minerva, платформы для мониторинга крупных вычислительных комплексов, которые компания называет ИИ-фабриками. Система собирает телеметрию инфраструктуры и выполняемых ИИ-нагрузок, в том числе данные о GPU, сетевых адаптерах SuperNIC, коммутаторах, кабелях, хранилищах и планировщиках заданий.
На основе этих сведений Minerva строит граф связей между компонентами и задачами. NVIDIA говорит, что платформенное ПО анализирует потоки телеметрии, выявляет ранее неизвестные отклонения, прогнозирует возможные отказы и связывает отдельные сигналы в единый инцидент с предполагаемой первопричиной. Это должно помочь оператору понять, почему замедлилась конкретная задача, не просматривая разрозненные панели мониторинга.
В Minerva также предусмотрен ИИ-помощник, который обращается к текущей телеметрии на естественном языке и предлагает варианты устранения неполадки. Команда может применить исправление вручную либо подключить автоматизацию через интерфейсы инфраструктуры и внешние системы. В объявлении NVIDIA не приводит независимых испытаний точности обнаружения или сокращения простоев, поэтому эти возможности пока следует считать описанием производителя.