Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

SageMaker HyperPod 集群事件参考

本页面提供了 Amazon SageMaker HyperPod 集群发出的所有结构化事件的完整参考。事件提供对集群、实例组和实例级操作的可见性，包括配置、扩展、修补和特定于 Orchestrator 的生命周期更改。

集群事件适用于设置为的 HyperPod NodeProvisioningMode集群Continuous。事件可通过ListClusterEvents和 DescribeClusterEvent API、 SageMaker AI 控制台的 “事件” 选项卡和 Amazon 进行访问 EventBridge。

集群事件记录

每个集群事件都以结构化记录表示，其中包含标识、时间、范围、严重性和特定于操作的元数据。以下示例显示了通过 DescribeClusterEvent API 和 Amazon 交付的完整事件记录 EventBridge：

{
  "version": "0",
  "id": "0bd4a141-0a02-9d8a-f977-3924c3fb259c",
  "detail-type": "SageMaker HyperPod Cluster Event",
  "source": "aws.sagemaker",
  "account": "111122223333",
  "time": "2026-06-01T17:20:25Z",
  "region": "us-west-2",
  "resources": [
    "arn:aws:sagemaker:us-west-2:111122223333:cluster/sample-cluster"
  ],
  "detail": {
    "EventDetails": {
      "EventId": "83ea0bb5-be77-45e8-a458-0a87f778a205",
      "ClusterArn": "arn:aws:sagemaker:us-west-2:111122223333:cluster/sample-cluster",
      "ClusterName": "sample-cluster",
      "InstanceGroupName": "p5Inst",
      "InstanceId": "i-0391f86fa0fe0d465",
      "ResourceType": "Instance",
      "EventTime": 1748794825350,
      "EventLevel": "Error",
      "Description": "Instance creation in Cluster sample-cluster and InstanceGroup p5Inst failed",
      "EventDetails": {
        "EventMetadata": {
          "Instance": {
            "FailureMessage": "We currently do not have sufficient capacity to launch new ml.p5.48xlarge instances. Please try again.",
            "NodeLogicalId": "df268d19-f035-4f28-9b80-b956b92ae21e"
          }
        }
      }
    }
  }
}

事件记录字段

detail.EventDetails 对象包含以下字段：

事件等级

资源类型

EventDetails 元数据

集群事件包括EventDetails字段中的一个EventMetadata对象，该对象除了事件描述所传达的内容之外，还提供特定于操作的上下文。的内容因资源类型和事件类型EventMetadata而异。有关完整的架构和支持的字段，请参阅 Amazon AI AP SageMaker I 参考EventMetadata中的。

EventBridge 信封字段

通过 Amazon 交付时 EventBridge，活动记录将用标准 EventBridge 信封包裹：

常见事件（EKS 和 Slurm）

无论协调器如何，都会为所有 HyperPod 集群发出以下事件。描述列显示事件记录中字段的值，该Description字段在 API 响应和控制台的 “事件” 选项卡中显示该字段的值。

集群生命周期

实例组生命周期

实例组网络配置

创建实例

删除实例

实例重启

实例操作（通用）

实例替换

FSx 文件系统生命周期

修补（常见步骤）

操作期间，EKS 和 Slurm 集群都会发出这些修补事件。UpdateClusterSoftware

EKS-specific 事件

以下事件仅针对使用 Amazon EKS 编排的 HyperPod 集群发出。

访问入口管理

Kubernetes 配置更新

Karpenter 自动缩放

修补 — EKS 实例级别

修补 — EKS 回滚

Slurm-specific 事件

以下事件仅针对使用 Slurm 编排的 HyperPod 集群发出。

EventBridge 整合

HyperPod EventBridge 使用三种详细信息类型向 Amazon 发送集群事件：

事件模式示例

所有 HyperPod 集群事件：

{
  "source": ["aws.sagemaker"],
  "detail-type": ["SageMaker HyperPod Cluster Event"]
}

仅限错误事件（用于警报）：

{
  "source": ["aws.sagemaker"],
  "detail-type": ["SageMaker HyperPod Cluster Event"],
  "detail": {
    "EventDetails": {
      "EventLevel": ["Error"]
    }
  }
}

特定集群的事件：

{
  "source": ["aws.sagemaker"],
  "detail-type": ["SageMaker HyperPod Cluster Event"],
  "resources": ["arn:aws:sagemaker:us-west-2:111122223333:cluster/my-cluster-id"]
}

节点运行状况事件：

{
  "source": ["aws.sagemaker"],
  "detail-type": ["SageMaker HyperPod Cluster Node Health Event"]
}

API 参考

另请参阅