NVIDIA mengumumkan integrasi KAI Scheduler dengan KubeRay, yang meningkatkan klaster Ray dengan kemampuan penjadwalan tingkat lanjut. Integrasi ini memungkinkan pengguna memanfaatkan fitur-fitur seperti penjadwalan grup, penskalaan otomatis, dan prioritas beban kerja dalam lingkungan Ray. KAI Scheduler dirancang untuk mengoptimalkan koordinasi pekerjaan, berbagi GPU, dan manajemen beban kerja, sehingga menyederhanakan operasi di bawah beban berat.

Pengguna Ray dapat memanfaatkan penjadwalan grup, yang memastikan beban kerja Ray yang terdistribusi dimulai secara bersamaan, sehingga menghindari peluncuran parsial yang tidak efisien. Lebih lanjut, klaster Ray dapat diskalakan secara dinamis untuk memenuhi fluktuasi ketersediaan dan permintaan sumber daya klaster. Fitur ini memungkinkan penggunaan sumber daya komputasi yang lebih efisien tanpa penskalaan manual.

Integrasi ini juga memperkenalkan antrean hierarkis, yang memungkinkan pengguna membuat antrean dengan prioritas berbeda untuk tim proyek yang berbeda. Sistem ini memungkinkan berbagi sumber daya secara dinamis, sehingga antrean dengan prioritas lebih tinggi dapat memanfaatkan sumber daya yang tidak aktif dari antrean dengan prioritas lebih rendah. Prioritas beban kerja merupakan fitur penting lainnya, yang memungkinkan pekerjaan inferensi berprioritas lebih tinggi untuk secara otomatis mendahului pekerjaan pelatihan batch berprioritas lebih rendah, sehingga menjaga responsivitas aplikasi.

KAI Scheduler NVIDIA kini tersedia untuk klaster Ray. Fitur ini menyediakan serangkaian alat untuk alokasi sumber daya dan responsivitas yang lebih cerdas, terutama di lingkungan yang mengharuskan pelatihan dan inferensi daring berjalan berdampingan. Pengguna dapat menjadwalkan pekerja Ray yang terdistribusi secara berkelompok, memprioritaskan beban kerja berdasarkan tingkat kepentingan, dan memanfaatkan tumpukan eksekusi yang terintegrasi dengan baik. Pengaturan teknis untuk integrasi ini mencakup klaster Kubernetes dengan GPU NVIDIA A10G, NVIDIA GPU Operator, dan KAI Scheduler, yang semuanya dikonfigurasi untuk bekerja sama dengan lancar.