先了解这件事
2026年9月24日,NVIDIA开源了GPU集群就绪验证工具NVCRE(Cluster Readiness Engine)。据NVIDIA Developer发布的官方信息,这是一个开源Kubernetes控制器,通过运行真实分布式工作负载来验证GPU集群是否就绪,并把每个失败归因到具体节点和类别。该工具采用Certification、Workflow、Job三层自定义资源API,内置覆盖NCCL通信、DCGM四级诊断和NeMo预训练(Nemotron 5的8B与56B)的测试目录,并支持自适应故障隔离,逐层拆分失败分组以缩小可疑节点范围。NVCRE与NVIDIA AI Cluster Runtime、NVSentinel共同构成NVIDIA DSX OS运行层,需Kubernetes 1.29及以上版本,采用Apache 2.0许可。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：NVIDIA Developer · Generative AI
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月24日
NVIDIA Developer · Generative AI一手
NVIDIA 开源 Cluster Readiness Engine，在生产负载前验证 GPU 集群就绪
NVIDIA 发布开源 Kubernetes 控制器 Cluster Readiness Engine（NVCRE），通过运行真实分布式工作负载来验证 GPU 集群是否就绪，并把每个失败归因到具体节点和类别。它采用 Certification、Workflow、Job 三层自定义资源 API，内置覆盖 NCCL 通信、DCGM 四级诊断和 NeMo 预训练（Nemotron 5 的 8B 与 56B）的测试目录，并支持自适应故障隔离，逐层拆分失败分组以缩小可疑节点范围。NVCRE 与 NVIDIA AI Cluster Runtime、NVSentinel 共同构成 NVIDIA DSX OS 运行层，需 Kubernetes 1.29 及以上版本，采用 Apache 2.0 许可。