Ai2 分享 GPU 集群调度重构经验：引入预算分配与时间切片机制提升效率

Ai2 AI 基础设施团队将 GPU 集群调度器由传统优先级模式重构为基于时间预算、分层公平共享与时间切片契约的系统，解决了资源争抢与占坑问题。新系统将调试任务的 p90 排队等待时间从 2 小时缩短至 30 秒，需人工干预的节点维护响应减少了 74%，同时使集群在超额需求下保持 98% 的高占用率。