skypilot-org/skypilot

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

开放

#1,163 创建于 2022年9月11日

在 GitHub 查看贡献者指南
 (4 条评论) (0 个反应) (0 位负责人)Python (311 个派生)batch import
P1feature-requesthelp wanted

仓库指标

星标
 (4,859 个星标)
PR 合并指标
 (PR 指标待抓取)

描述

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.

贡献者指南

研究方向
该问题要求为 spot 作业添加一个 keep minutes after error 标志。查看 SkyPilot 仓库中的 spot 作业启动代码，特别是 spot 模块（例如 sky/spot/）。检查 sky/cli.py 或类似文件中的现有命令行参数解析。实现该标志以延迟故障后的终止，可能需要修改 spot 作业的终止逻辑。请查阅问题评论中的提案以获取更多上下文。
技术栈
python
领域
cloudbackenddevops
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
PythonCloud concepts
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
60