大多数集群管理功能仅支持 与预留绑定的容量（即使用 与预留绑定的预配模型的基础设施， 该模型仅支持集群式 GPU 机器类型）。 对于使用任何其他预配模型的容量，仅提供以下集群管理功能：
AI 基础设施资源托管
当您使用集群式 GPU（例如 A4X Max、A4X、A4、A3 Ultra、A3 Mega 和 A3 High（8 个 GPU））时，可以请求 主机，让 Compute Engine 将其布置得尽可能靠近。这些机器具有以下功能：
Compute Engine 会以 资源块的形式预配机器。
动态机器学习 (ML) 网络结构 将这些机器互连。
这种资源安排可最大限度地减少网络跃点，并针对最短网络延迟时间进行优化。如需部署 Compute Engine 密集分配的加速器优化机器块，您可以使用以下选项：
当您执行以下一项或多项操作时，资源必须彼此密集分配：
创建使用 AI Hypercomputer 中的同一 未来预留 或日历模式下的未来预留的资源。
部署使用托管式实例组 (MIG) 的 调整大小请求 ，并在同一请求中创建资源。
指定资源使用同一 紧凑布置政策或指定最大距离值的工作负载政策 。具体来说，资源只需与政策指定的最大距离值一样近。
当您执行以下一项或多项操作时，资源可以选择彼此密集分配，具体取决于尽力而为的可用性：
在同一请求中为 灵活启动虚拟机创建资源。
指定资源使用同一 紧凑布置政策或未指定最大距离的工作负载政策 。
集群拓扑感知布置
创建集群式 GPU 后，您可以获取节点级和集群级拓扑信息。这些信息可帮助您执行以下操作：
调整应用或工作负载设计，以进一步缩短网络延迟时间。
了解并排查经常相互通信的实例的网络延迟和性能问题。如果实例意外地相距很远，则可能会出现这些问题。
具体来说，拓扑信息支持如下：
拓扑信息最适合与预留绑定的容量，这是 查看预留拓扑所必需的。
对于 Spot 虚拟机，仅当机器使用紧凑布置政策或工作负载政策时，才会显示拓扑信息。
如需了解详情，请参阅以下内容：
- 对于实例和 Slurm 集群，请参阅 查看计算实例拓扑。
- 对于 GKE 集群，请参阅 查看 GKE 节点拓扑 和 通过拓扑感知调度 (TAS) 安排 GKE 工作负载。
集群运行模式
当您预留与预留绑定的容量以创建计算实例或集群时，您预留的机器类型决定了实例的集群 运行模式 。此模式 指定了实例在 主机错误或 主机故障报告后的行为。实例的可用运行模式包括 托管模式，即 Compute Engine 会自动替换任何有故障的 机器，但会保留部分预留容量，以确保您的 实例拥有必要的资源来重启。或者 全容量模式，即您 可以使用预留的全部容量，但需要负责管理 故障和计划内维护。
如需了解详情，请参阅 预留运行模式。
集群维护调度和控制
您可以在资源块中使用感知拓扑的调度来控制集群式 GPU 的维护。此功能有助于同步升级，从而使工作负载更能应对主机事件，并最大限度地减少中断。这种方法有助于提高工作负载的 有效吞吐量。
为了便于您完全控制维护事件，您可以使用以下功能：
维护调度类型
当您预留与预留绑定的容量以创建计算实例或集群式 GPU 集群时，您可以定义 Compute Engine 如何维护实例运行的基础设施。 您可以根据要用于实例的机器类型，选择跨实例同步维护（ 分组 ）或不同的维护时间表（ 独立 ）。
如需了解详情，请参阅 维护调度类型。
管理主机活动
创建集群式 GPU 并启动工作负载后，您可以设置提醒，以便在实例或预留块的维护安排、开始或完成时收到通知。您还可以查看实例或预留块的维护时间，并在预定时间之前手动启动维护（如果需要）。 这些选项可帮助您主动控制工作负载的停机时间并将其降至最低。
如需了解详情，请参阅以下内容：
集群监控和诊断工具
为了便于监控和问题排查，集群式 GPU 机器类型包含以下与预留绑定的容量服务：
虚拟机健康状况下降预测， 可帮助您识别可能在未来 5 小时内健康状况下降的虚拟机。
故障主机报告， 您可以使用该服务标记单个主机的问题。
支持 Cloud Monitoring 指标， 可帮助您监控网络和 GPU 性能。