[Bug]: managed CPU Ray template has no /mnt hot volume
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 78/100
Direzione di ricerca
Inizia con managed-workflow-rayjob-cpu.yaml.tmpl e confrontalo con managed-workflow-rayjob.yaml.tmpl e con il template del Job gestito menzionato nell’issue. Segui il rendering del template Ray gestito con CPU ed esegui tau run --dry-run=client con compute.gpus: 0 e worker Ray; il lavoro è completato quando sia i pod head sia i pod worker hanno tau-hot montato in /mnt e sono presenti le tre variabili d’ambiente previste.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Problem
Managed Ray workflows that use no GPUs don't get /mnt at all. managed-workflow-rayjob-cpu.yaml.tmpl has no tau-hot volume or mount and doesn't set TAU_HOT_DIR, TAU_DATASETS_DIR or TAU_CHECKPOINTS_DIR. The GPU managed Ray template (managed-workflow-rayjob.yaml.tmpl) and the managed Job template both mount tau-hot at /mnt and set those variables.
Expected: the CPU managed Ray template provides the same /mnt scratch volume and environment as the GPU template. Code that reads TAU_HOT_DIR then works the same with and without GPUs.
Reproduction
- Write a managed workflow config: set
schema_version, leaveengineunset, and usecompute.gpus: 0with Ray workers. - Run
tau run --dry-run=client. - Neither the head nor the worker pods have a
tau-hotvolume orTAU_HOT_DIR.
TauGrid or tau version
main at bd2b98c2.
Environment
Reproduces with tau run --dry-run=client; no cluster-specific setup needed.
Additional context
This predates #561. That PR renders the profile's hotVolume only for direct engine: job and engine: rayjob configs and leaves the managed templates unchanged. Supporting hotVolume in managed templates would be a separate follow-up.
- Lingua principale
- Go
- Stelle
- 59
- Fork
- 8
- Merge medio
- 1g 15h
- PR unite (30g)
- 84
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di Azure/taugrid
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 73/100
I maintainer di solito rispondono entro 1 giorno
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 77/100
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di Azure/taugrid
Issue simili
-
test(tools): two testkit cache tests fail unless GOCACHE and GOMODCACHE are in the environmentApertabacklog
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
EchoTools/nevr-runtime#2385 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 5 giorni
-
项目日志弹出窗尺寸可拉伸功能Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
I maintainer di solito rispondono entro 1 giorno
-
bug good first issue priority: P2 status: ready
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
RhinoLink-Tech/data-fabric#502 ·
I maintainer di solito rispondono entro 1 giorno
-
sweep
Difficoltà 1/5 1-3 ore Idoneità per principianti 88/100
bketelsen/truenas-mcp#65 ·
I maintainer di solito rispondono entro 1 giorno