kubeflow/trainer

Enhanced MPI Support in TrainJob

Fermée

#2 751 ouverte le 24 juil. 2025

Voir sur GitHubGuide contributeur
 (26 commentaires) (3 réactions) (0 personne assignée)Go (964 forks)github user discovery
area/controllerarea/mpiarea/runtimesgood first issuehelp wantedkind/feature

Métriques du dépôt

Stars
 (2 112 étoiles)
Métriques de merge PR
 (Merge moyen 10j 9h) (75 PRs mergées en 30 j)

Description

What you would like to be added?

We plan to enhance MPI support in TrainJob in these areas:

  • SSH-based node communication
  • Add resource per node support
  • Address the failing launcher issue in the initialization phase (launcher fails until the MPI worker is ready)

Why is this needed?

As we discussed in the WG call yesterday, this will be included in Kubeflow Trainer ROADMAP 2025.

/cc @kubeflow/wg-training-leads @astefanutti @franciscojavierarceo @kramaranya @rudeigerc @mahdikhashan @Doris-xm @Harshal292004 @saileshd1402 @kannon92 @deepanker13

Love this feature?

Give it a 👍 We prioritize the features with most 👍

Guide contributeur

Direction de recherche
Enquetez sur le probleme du lanceur qui echoue dans la phase d'initialisation et comprenez la sequence de demarrage des workers MPI.
Stack technique
gokubernetes
Domaine
machine learninginfrastructurebackend
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
GoKubernetes
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
50