skypilot-org/skypilot

[Spot] An option for keeping failed spot job for a while before termination

Open

#1,163 opened on 2022年9月11日

GitHub で見る
 (4 comments) (0 reactions) (0 assignees)Python (4,859 stars) (311 forks)batch import
P1feature-requesthelp wanted

説明

When something wrong happens with the spot job, it would be nice to be able to log into the spot cluster to take a look at the problem. As proposed by @lhqing, having an option like --keep-minutes-after-error 60 for the spot launch can be useful for debugging.

コントリビューターガイド

技術スタック
python
領域
clouddevops
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
2
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-3 hours
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
fresh
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
PythonSkyPilot CLI basics
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
70
調査方針
The issue requests a keep minutes after error flag for spot jobs. Look at the spot job launch code in the SkyPilot repository, specifically the spot module (e.g., sky/spot/). Check existing command line argument parsing in sky/cli.py or similar. Implement the flag to delay termination after failure, likely modifying the spot job termination logic. Verify the proposal in the issue comments for additional context.