Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

建立叢集

如要使用 Gemini Enterprise Agent Platform 訓練叢集，請洽詢業務代表。

本頁面提供直接透過 API 建立及管理訓練叢集的方法。您將瞭解如何在 JSON 檔案中定義叢集的完整設定，包括登入節點、A4 等高效能 GPU 分區，以及 Slurm 協調器設定。此外，您也會瞭解如何使用 curl 和 REST API 呼叫部署這項設定、建立叢集，以及透過 GET、LIST、UPDATE 和 DELETE 作業管理叢集的生命週期。

定義叢集設定

建立 JSON 檔案，定義訓練叢集的完整設定。

如果組織政策禁止在運算執行個體上使用公開 IP 位址，請使用 enable_public_ips: false 參數部署訓練叢集，並透過 Cloud NAT 輸出網際網路。

佈建訓練叢集的第一步，是在 JSON 檔案中定義完整設定。這個檔案是叢集的藍圖，會指定叢集名稱、網路設定，以及登入和 worker 節點的硬體等所有項目。

以下提供幾個完整的 JSON 設定檔，可做為各種常見用途的實用範本。請參閱這份清單，找出最符合您需求的範例，並以此為起點。

僅限 GPU 搭配 Filestore：一般用途 GPU 訓練的標準設定。
GPU 搭配 Filestore 和 Managed Lustre：適合 I/O 密集工作的進階設定。
GPU with startup script：示範如何在節點啟動時執行自訂開機指令碼。
僅限 CPU 叢集：僅使用 CPU 資源的基本設定。
進階 Slurm 設定：示範在叢集、分區或節點集區範圍設定 slurm.conf 參數，以及執行 prolog 和 epilog 指令碼。

每個範例後方都會詳細說明該設定使用的重要參數。

僅限 GPU 搭配 Filestore

這是標準設定。這項設定會提供 Filestore 執行個體，做為叢集的 /home 目錄，適合一般用途和儲存使用者資料。

以下範例顯示 gpu-filestore.json 的內容。這項規格會建立具有 GPU 分區的叢集。您可以將其做為範本，並根據需求修改 machineType 或 nodeCount 等值。

如需參數清單，請參閱「參數參考資料」。

 {
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 200
      },
      "labels": { "example-key": "example-value" }
    },
    {
      "id": "a4",
      "machine_spec": {
        "machine_type": "a4-highgpu-8g",
        "accelerator_type": "NVIDIA_B200",
        "accelerator_count": 8,
        "reservation_affinity": {
          "reservationAffinityType": "RESERVATION_AFFINITY_TYPE",
          "key": "compute.googleapis.com/reservation-name",
          "values": [
            "projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME"
          ]
        }
      },
      "provisioning_model": "RESERVATION",
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "hyperdisk-balanced",
        "boot_disk_size_gb": 200
      },
      "labels": { "example-key": "example-value" }
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "a4",
          "node_pool_ids": [
            "a4"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

GPU 搭配 Filestore 和 Managed Lustre

這項進階設定除了標準 Filestore 執行個體外，還包含高效能 Lustre 檔案系統。如果訓練工作需要以高處理量存取大型資料集，請選擇這個選項。

如需參數清單，請參閱「參數參考資料」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 200
      },
      "lustres": [
        "projects/PROJECT_ID/locations/ZONE/instances/LUSTRE"
      ]
    },
    {
      "id": "a4",
      "machine_spec": {
        "machine_type": "a4-highgpu-8g",
        "accelerator_type": "NVIDIA_B200",
        "accelerator_count": 8,
        "reservation_affinity": {
          "reservationAffinityType": "RESERVATION_AFFINITY_TYPE",
          "key": "compute.googleapis.com/reservation-name",
          "values": [
            "projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME"
          ]
        }
      },
      "provisioning_model": "RESERVATION",
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "hyperdisk-balanced",
        "boot_disk_size_gb": 200
      },
      "lustres": [
        "projects/PROJECT_ID/locations/ZONE/instances/LUSTRE"
      ]
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "a4",
          "node_pool_ids": [
            "a4"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

GPU (含開機指令碼)

這個範例說明如何將自訂指令碼新增至節點集區。這個指令碼會在啟動時，對該集區中的所有節點執行。如要設定這項功能，除了進行一般設定外，還要在節點集區的定義中新增相關欄位。如需參數清單和說明，請參閱「參數參考資料」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 200
      },
      "startup_script" : "#Example script\nsudo mkdir -p /data\necho 'Script Finished'\n"
    },
    {
      "id": "a4",
      "machine_spec": {
        "machine_type": "a4-highgpu-8g",
        "accelerator_type": "NVIDIA_B200",
        "accelerator_count": 8,
        "reservation_affinity": {
          "reservationAffinityType": "RESERVATION_AFFINITY_TYPE",
          "key": "compute.googleapis.com/reservation-name",
          "values": [
            "projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME"
          ]
        }
      },
      "provisioning_model": "PROVISIONING_MODEL",
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "hyperdisk-balanced",
        "boot_disk_size_gb": 200
      },
      "startup_script" : "#Example script\nsudo mkdir -p /data\necho 'Script Finished'\n"
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "a4",
          "node_pool_ids": [
            "a4"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

僅限 CPU 的叢集

如要佈建訓練叢集環境，您必須先在 JSON 檔案中定義完整設定。這個檔案是叢集的藍圖，會指定叢集的所有設定，包括名稱、網路設定，以及登入和 worker 節點的硬體。

如需參數清單，請參閱「參數參考資料」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "cpu",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    },
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "cpu",
          "node_pool_ids": [
            "cpu"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

進階 Slurm 設定

這個範例會依名稱設定 slurm.conf 參數，並執行 prolog 和 epilog 指令碼，自動設定及清理工作，精細控管 Slurm。參數可以設定為整個叢集、單一分區或單一節點集區。

共有三個設定對應，每個 slurm.conf 記錄各有一個：

Slurm 規格中的 config，用於叢集層級設定
config在失聯狀態
節點集區的 node_sets 項目

如要瞭解參數名稱、值和拒絕參數的規則，請參閱「Slurm 設定對應」。

您不一定要在建立時就決定這些設定，這三種對應關係都可以在執行中的叢集上變更，不必重新啟動節點或中斷排入佇列的工作。請參閱「更新 Slurm 設定」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "cpu",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    },
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "config": {
        "PriorityType": "priority/multifactor",
        "PriorityWeightAge": "1000",
        "PriorityWeightFairshare": "10000",
        "PreemptType": "preempt/partition_prio",
        "PreemptMode": "SUSPEND,GANG",
        "SchedulerParameters": "bf_continue,bf_window=1440,bf_resolution=600",
        "AccountingStorageEnforce": "limits,qos"
      },
      "prolog_bash_scripts": [
        "#!/bin/bash\necho 'Prolog script running'"
      ],
      "epilog_bash_scripts": [
        "#!/bin/bash\necho 'Epilog script running'"
      ],
      "partitions": [
        {
          "id": "cpu",
          "node_pool_ids": [
            "cpu"
          ],
          "config": {
            "MaxTime": "4-00:00:00",
            "DefMemPerCPU": "4096",
            "PriorityTier": "20"
          }
        }
      ],
      "node_sets": [
        {
          "node_pool_id": "cpu",
          "config": {
            "Weight": "10",
            "Features": "cpu,spot"
          }
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

叢集範圍對應會設定多因素優先順序、分區優先順序先占和 SchedulerParameters，其 bf_continue 詞彙會顯示複合形式：裸詞彙會開啟標記，且詞彙會以半形逗號分隔。分區對應會限制工作執行階段和預設記憶體，但僅限 cpu 分區，而 node_sets 項目會標示該集區的節點，以便工作使用 --constraint 選取這些節點。

在 JSON 檔案中定義叢集後，請使用下列 REST API 指令部署及管理叢集。範例使用 gcurl 別名，這是與 API 端點互動的便利、經過驗證的捷徑。這些指令涵蓋整個生命週期，從一開始部署叢集，到更新叢集、取得叢集狀態、列出所有叢集，最後刪除叢集。

驗證

alias gcurl='curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json"'

建立 JSON 檔案

建立 JSON 檔案 (例如 @cpu-cluster.json)，指定模型訓練叢集的設定。

部署叢集

建立 JSON 設定檔後，您可以使用 REST API 部署叢集。

設定環境變數

執行指令前，請先設定下列環境變數。讓 API 指令更簡潔且容易管理。

PROJECT_ID：要建立叢集的 Google Cloud 專案 ID。
REGION：叢集及其資源的 Google Cloud 區域。
ZONE：要佈建叢集資源的 Google Cloud 可用區。
CLUSTER_ID：訓練叢集的專屬 ID，也會做為相關資源命名的前置字串。

執行建立指令

接著執行下列 gcurl 指令。這項指令會使用 JSON 檔案 (在本例中為 cpu-cluster.json) 做為要求主體，並使用您剛才設定的環境變數來建構 API 端點和查詢參數。

  gcurl -X POST -d @cpu-cluster.json https://REGION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/REGION/modelDevelopmentClusters?model_development_cluster_id=CLUSTER_ID

部署作業開始後，系統會產生作業 ID。請務必複製這個 ID。您會在下一個步驟中使用。

  gcurl -X POST -d @cpu-cluster.json https://us-central1-aiplatform.googleapis.com/v1beta1/projects/managedtraining-project/locations/us-central1/modelDevelopmentClusters?model_development_cluster_id=training
  {
      "name": "projects/1059558423163/locations/us-central1/operations/2995239222190800896",
      "metadata": {
      "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateModelDevelopmentClusterOperationMetadata",
      "genericMetadata": {
        "createTime": "2025-10-24T14:16:59.233332Z",
        "updateTime": "2025-10-24T14:16:59.233332Z"
      },
      "progressMessage": "Create Model Development Cluster request received, provisioning..."
  }

驗證叢集部署作業

使用部署叢集時提供的作業 ID，追蹤部署進度。例如，在上述範例中，2995239222190800896 是作業 ID。

    gcurl https://REGION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/operations/OPERATION_ID

摘要說明

使用 gcurl POST 指令提交叢集設定，即可啟動叢集佈建作業，這是一項非同步的長時間執行作業。API 會立即傳回包含 Operation ID 的回應。請務必儲存這個 ID，因為後續步驟會用到，以便監控部署進度、確認叢集是否已成功建立，以及管理叢集的生命週期。

參數參考資料

以下清單說明設定範例中使用的所有參數。參數會根據設定的資源，整理成邏輯群組。

一般和聯播網設定

DISPLAY_NAME：：訓練叢集的專屬名稱。字串只能使用小寫英數字元，開頭須為英文字母，長度上限為 10 個字元。
PROJECT_ID：您的 Google Cloud 專案 ID。
REGION：叢集及其資源所在的 Google Cloud 區域。
NETWORK：用於叢集資源的虛擬私有雲網路。
ZONE：叢集及其資源的 Google Cloud 可用區。
SUBNETWORK：要用於叢集資源的子網路。

節點集區設定

下列參數用於定義登入節點和 worker 節點的節點集區。

常見節點集區設定

ID：叢集內節點集區的專屬 ID (例如「login」、「a4」、「cpu」)。
PROVISIONING_MODEL：worker 節點的佈建模式 (例如 ON_DEMAND、SPOT、RESERVATION、FLEX_START)。
MACHINE_TYPE：worker 節點的機器類型 (例如 a3-highgpu-8g、a3-megagpu-8g、a3-ultragpu-8g、a4-highgpu-8g)。如需支援機器類型的完整清單，請參閱「運算資源」。
MIN_NODE_COUNT：MIN_NODE_COUNT 必須與 MAX_NODE_COUNT 相同。
MAX_NODE_COUNT：如果是登入節點集區，MAX_NODE_COUNT 必須與 MIN_NODE_COUNT 相同。
ENABLE_PUBLIC_IPS：布林值 (true 或 false)，用於判斷登入節點是否具有公開 IP 位址。
BOOT_DISK_TYPE：登入節點的開機磁碟類型 (例如 pd-standard、pd-ssd)。
BOOT_DISK_SIZE_GB：登入節點的開機磁碟大小 (GB)。
LABELS：一組鍵/值組合，用於標示節點集區。
NODE_IMAGE (對應 node_pools 物件內的 node_image)：節點集區節點啟動時使用的 VM 映像檔，以完整映像檔或映像檔系列資源路徑表示 (例如 projects/IMAGE_PROJECT/global/images/IMAGE 或 projects/IMAGE_PROJECT/global/images/family/IMAGE_FAMILY)。如果省略，節點集區會使用其機器類型的目前預設映像檔，該映像檔會隨著時間更新。設定後，節點集區就會保留在特定映像檔上。變更節點集區的映像檔會重新建立節點。

額外儲存空間設定

FILESTORES (對應 node_pools 物件內的 filestores)：預先存在的 Filestore 執行個體清單，用於掛接至節點集區，以便共用檔案存取權。
LUSTRES (對應 node_pools 物件內的 lustres)：預先存在的 Lustre 執行個體清單，可掛接至節點集區，用於高效能檔案存取。

Worker 專屬設定

ACCELERATOR_TYPE：要附加至 worker 節點的對應 GPU 加速器。支援的值如下：
- NVIDIA_H100_80GB
- NVIDIA_H100_MEGA_80GB
- NVIDIA_H200_141GB
- NVIDIA_B200
ACCELERATOR_COUNT：要附加至各個 worker 節點的加速器數量。
RESERVATION_AFFINITY_TYPE (對應至 machine_spec.reservation_affinity.reservationAffinityType)：節點集區的預留項目相依性。這個參數必須是 SPECIFIC_RESERVATION，這是唯一支援的值。使用 SPECIFIC_RESERVATION 時，必須在 machine_spec.reservation_affinity.values 中指定預留項目。
RESERVATION_NAME：節點集區要使用的預留項目名稱。這會用於 machine_spec.reservation_affinity.values 中提供的完整預留項目資源名稱，例如 projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME。如果 RESERVATION_AFFINITY_TYPE 為 SPECIFIC_RESERVATION，則必須提供預留項目。

自動調度管理工具和儲存空間設定

這些欄位是在 JSON 檔案的 orchestrator_spec.slurm_spec 區塊中定義。

核心 Slurm 和儲存空間設定

HOME_DIRECTORY_STORAGE (對應至 home_directory_storage)：預先存在的 Filestore 執行個體完整資源名稱，要掛接為 /home 目錄。
LOGIN_NODE_POOL_ID (對應至 login_node_pool_id)：應做為登入節點的節點集區 ID。
partitions：分區物件清單，每個物件都需要 id 和 node_pool_ids 清單。
default_partition_id (選用)：未明確指定分區時，用於執行 Slurm 工作的分區 id (例如在沒有 --partition 旗標的情況下執行 sbatch)。如未設定，分區清單中的第一個分區會成為預設分區，因此重新排序清單會變更預設分區。

進階 Slurm 設定

prolog_bash_scripts：字串清單，每個字串包含要在工作開始前執行的 Bash 指令碼完整內容。
epilog_bash_scripts：字串清單，每個字串都包含 Bash 指令碼的完整內容，會在工作完成後執行。
config、partitions[].config 和 node_sets：依名稱設定的 Slurm 參數。請參閱「Slurm 設定對應」。
scheduling 和 accounting：已取代。這兩個物件會公開一組固定的優先順序、先占和計費參數，每個參數都可以在叢集範圍的 config 對應中依名稱設定 (priority_type 設為 "PriorityType"、preempt_mode 設為 "PreemptMode" 等)。這些參數仍適用於使用這些參數的叢集，但新叢集應使用 config，因為該參數支援的 slurm.conf 參數比這個子集多。

Slurm 設定對應

Slurm 參數是依名稱設定，分為三個對應，每個 slurm.conf 記錄一個：

config：叢集範圍設定，寫入為全域 Key=Value 行。
partitions[].config：單一分區的設定，以額外組合的形式寫在該分區的 PartitionName= 行。
node_sets：物件清單，每個物件都有 node_pool_id 和 config 對應。這些設定會以額外組合的形式，寫入該節點集區節點的 NodeName= 行。每個節點集區最多只能有一個項目，且集區必須是叢集的運算集區，而非登入集區。

在這三種情況下，鍵都是 SchedMD 文件中的 Slurm 參數名稱，不區分大小寫，且會忽略底線，因此 DefMemPerCPU、defmempercpu 和 def_mem_per_cpu 都代表相同的參數。值的寫入方式與 slurm.conf 相同，包括以逗號分隔的清單 (例如 "PreemptMode": "SUSPEND,GANG") 和複合值 (例如 "SchedulerParameters": "bf_window=1440,bf_resolution=600")。

每張地圖都支援 slurm.conf 參數的子集，這些參數對其記錄有效，但並非全部有效。如果需要不支援的參數，請與 Gemini Enterprise Agent Platform 訓練叢集聯絡人聯絡。

如果您在設定的範圍內使用不支援的參數，或為參數設定不合法的值，系統會在您提出要求時拒絕，並在錯誤訊息中指出該參數。不會有任何內容遭到默默捨棄。部分參數因特定原因而遭拒：

這項服務會管理節點健康狀態檢查和工作重新排入佇列，因此無法設定 HealthCheckProgram、HealthCheckInterval、HealthCheckNodeState 和 RequeueExit。
Prolog 和 Epilog 則改為透過 prolog_bash_scripts 和 epilog_bash_scripts 設定。
slurmdbd.conf 參數 (例如 StorageHost 和 PurgeJobAfter) 無法設定：計費資料庫由服務管理。
在分區範圍內，Default 會遭到拒絕。預設分區是叢集層級的選項，可透過 default_partition_id 設定。

警告：服務會單獨驗證每個參數，而不是驗證產生的 slurm.conf 整體是否有效。部分可接受的設定會導致 Slurm 控制器無法啟動，例如 "PreemptType": "preempt/none" 搭配 "PreemptMode": "SUSPEND,GANG"，或 AllowQos 分區指定的 QoS 未由叢集定義。建立或更新作業仍可能回報成功，但 sinfo 和 scontrol 等 Slurm 指令會失敗。請根據叢集 Slurm 版本的 slurm.conf 參考資料檢查設定。如果 Slurm 指令在建立或更新後失敗，請與 Gemini Enterprise Agent Platform 訓練叢集聯絡窗口聯絡，對方可以找出導致失敗的設定。

注意：叢集範圍的 config 對應關係會取代 scheduling 和 accounting 欄位，因此叢集會使用其中一個欄位，而同時設定這兩個欄位的要求會遭到拒絕。請注意，每個值都是常值 slurm.conf 文字，因此數字會寫成字串："priority_weight_age": 1000 會變成 "PriorityWeightAge": "1000"。分區和節點範圍的對應不受影響：這些對應描述不同的 slurm.conf 記錄，可與這些欄位搭配使用。

執行階段設定

這些欄位是在 JSON 檔案的 runtime_spec 區塊中定義。

service_account：叢集在執行任何工作負載時使用的預設服務帳戶。如未指定，系統會使用預設的 Compute Engine 服務帳戶。叢集建立後，即無法更新這個欄位。

注意：使用自訂 service_account 建立叢集前，請先與 Google 帳戶團隊聯絡。根據預設，專案的預設 Compute Engine 服務帳戶可以存取 Gemini Enterprise Agent Platform 訓練叢集代理存放區。如果您使用自訂服務帳戶，Google 帳戶團隊必須另外授予存取權。

後續步驟

使用運作中的永久訓練叢集，執行機器學習工作負載。

在叢集上執行工作：提交 CustomJob，在永久叢集上執行訓練工作。
- 瞭解如何執行分散式訓練工作
使用 Gemini Enterprise Agent Platform Pipelines 自動調度管理訓練作業：如要建立可重複執行的正式環境級工作流程，請使用 Agent Platform Pipelines 自動提交工作。
- 瞭解如何在訓練叢集上自動調度工作
查看叢集：使用 Google Cloud 控制台或 Agent Platform API，列出專案中的現有叢集、檢查其狀態，以及查看設定詳細資料。
- 瞭解如何查看訓練叢集
變更叢集：更新現有叢集的設定，例如節點數量或 Slurm 分區。
- 瞭解如何管理訓練叢集
刪除叢集，停止產生費用：訓練叢集會持續存在，並在啟用時產生費用。
- 瞭解如何刪除訓練叢集

建立叢集 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

定義叢集設定

僅限 GPU 搭配 Filestore

GPU 搭配 Filestore 和 Managed Lustre

GPU (含開機指令碼)

僅限 CPU 的叢集

進階 Slurm 設定

驗證

建立 JSON 檔案

部署叢集

設定環境變數

執行建立指令

驗證叢集部署作業

摘要說明

參數參考資料

一般和聯播網設定

節點集區設定

常見節點集區設定

額外儲存空間設定

Worker 專屬設定

自動調度管理工具和儲存空間設定

核心 Slurm 和儲存空間設定

進階 Slurm 設定

Slurm 設定對應

執行階段設定

後續步驟

建立叢集