kubeflow/trainer

Enhanced MPI Support in TrainJob

Fechada

#2.751 aberto em 24 de jul. de 2025

Ver no GitHubGuia do colaborador
 (26 comentários) (3 reações) (0 responsável)Go (964 forks)github user discovery
area/controllerarea/mpiarea/runtimesgood first issuehelp wantedkind/feature

Métricas do repositório

Stars
 (2.112 estrelas)
Métricas de merge de PR
 (Mesclagem média 10d 9h) (75 fundiu PRs em 30d)

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 👍

Guia do colaborador

Direção de pesquisa
Investigue o problema do lançador falhando na fase de inicialização e entenda a sequência de inicialização dos workers MPI.
Pilha de tecnologia
gokubernetes
Domain
machine learninginfrastructurebackend
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
Meio dia
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Principalmente claro
Prerequisites
GoKubernetes
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
50