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 Slurm 集群事件
Amazon 会 SageMaker HyperPod 发出结构化集群事件，让人们能够了解集群、实例组和实例级别的操作变化。您可以使用这些事件来监控配置活动、跟踪扩展操作、检测故障和构建自动警报管道。
集群事件适用于NodeProvisioningMode设置为的 HyperPod Slurm 集群。Continuous事件可通过ListClusterEvents和 DescribeClusterEvent API、 SageMaker AI 控制台和 Amazon 进行访问 EventBridge。
有关完整的事件架构、严重性级别、完整的事件目录和 EventBridge集成的详细信息，请参阅SageMaker HyperPod 集群事件参考。
先决条件
-
你的 HyperPod Slurm 集群必须已
NodeProvisioningMode设置为。Continuous使用传统配置模式的集群不会发出结构化事件。 -
要使用 API，您需要在您的 IAM 策略中
sagemaker:DescribeClusterEvent拥有sagemaker:ListClusterEvents和权限。
事件类型
HyperPod 在持续配置时为 Slurm 集群发出两类事件：适用于所有协调器的常见事件和事件。 Slurm-specific
常见事件包括核心基础设施操作，例如实例配置和终止、实例组扩展、容量预留处理、生命周期脚本执行、ENI 管理、FSx 文件系统生命周期和修补工作流程。有关完整列表，请参阅 HyperPod 集群事件参考常见事件（EKS 和 Slurm）中的。
Slurm-specific 事件涵盖特定于编排器的操作，例如配置参数验证、munge 密钥创建、Slurm 配置偏差检测、Slurm 重新配置和集群回滚。这些事件提供了对 Slurm-specific 生命周期阶段的可见性，而这些阶段以前只能通过 CloudWatch 日志进行观察。有关完整列表，请参阅 HyperPod 集群事件参考Slurm-specific 事件中的。
在控制台中查看事件
-
打开 A SageMaker I 控制台
。 -
在左侧导航窗格中，选择HyperPod集群。
-
选择您的集群名称。
-
选择事件选项卡。
“事件” 选项卡显示分页的事件列表，其中包含事件级别、事件 ID、资源名称、资源类型、描述和事件时间列。您可以使用搜索框按属性筛选事件，按事件时间排序，然后选择事件 ID 以查看完整的事件详细信息，包括事件元数据和完整的事件记录。
使用列出事件 Amazon CLI
使用list-cluster-events命令检索集群的事件：
aws sagemaker list-cluster-events \ --cluster-name my-slurm-cluster \ --sort-by EventTime \ --sort-order Descending \ --max-results 20
您可以使用以下筛选器缩小结果范围：
-
--resource-type— 按ClusterInstanceGroup、或筛选Instance。 -
--instance-group-name— 筛选特定实例组的事件。 -
--node-id— 筛选到特定 EC2 实例的事件。 -
--event-time-after和--event-time-before— 筛选到特定的时间窗口。
例如，要仅查看特定实例组的实例组级别事件，请执行以下操作：
aws sagemaker list-cluster-events \ --cluster-name my-slurm-cluster \ --resource-type InstanceGroup \ --instance-group-name gpu-workers
描述特定事件
使用带有列表输出中事件 ID 的describe-cluster-event命令来检索完整的事件详细信息EventLevel，包括Description、和EventMetadata：
aws sagemaker describe-cluster-event \ --cluster-name my-slurm-cluster \ --event-id 83ea0bb5-be77-45e8-a458-0a87f778a205
有关返回的事件记录的结构和每个字段的描述，请参阅 HyperPod 集群事件参考集群事件记录中的。
使用 Amazon 自动回复 EventBridge
HyperPod 集群事件会以详细信息类型自动发送到亚马逊 EventBridge SageMaker HyperPod Cluster Event，使您能够将事件路由到目标，例如 Lambda、Amazon SNS、Step Functions 或 Amazon SQS。您可以对该EventLevel字段进行筛选以仅触发Error事件警报，也可以按集群 ARN 进行筛选，将规则范围限定为特定集群。
有关 EventBridge 事件模式、有效负载示例以及相关类型SageMaker
HyperPod Cluster State Change和SageMaker HyperPod Cluster Node
Health Event详细信息类型，请参阅 HyperPod 集群事件参考EventBridge 整合中的。