Ai2 如何用 GPU 时间预算与分层公平调度改造集群调度器

Ai2 的 AI 基础设施团队用 GPU 时间预算、分层公平分配和时间切片契约替换了原有的优先级调度器，把算力分配从逐案运维变成透明的预算流程。在 30 天测试期内，团队实际获得的 GPU 时间达到应得量的 98%，集群占用率维持在 98%，调试类工作负载的 p90 排队时间从 2 小时降到 30 秒，需要人工介入的维修减少 74%。