Mission Control 2.5 тянет автовосстановление на Kubernetes
Mission Control 2.5 тянет автовосстановление на Kubernetes «Подождём дежурного» на кластере с тысячами GPU — уже не план, а убыток по прогону. NVIDIA в Mission Control 2.5 перенесла автономное восстановление, которое годами жило рядом со Slurm, на Kubernetes через планировщик Run:ai — версия уже доступна. Если у вас остаются оба оркестратора, это один recovery-контур, а не отдельный playbook на каждый. Job recovery держит контекст задачи и решает перезапуск или перенос; hardware recovery параллельно уводит подозрительную ноду и гоняет диагностику — планировщик не ждёт финального разбора железа. Разберите три сценария из релиза: отказ GPU при распределённом обучении, таймаут координации без карантина здорового GPU, повторяющиеся предупреждения по сети или железу до падения воркера.