Notas de la versión 1.13.3 de Google Distributed Cloud aislado

30 de agosto del 2024


Anuncio
Google Distributed Cloud (GDC) air-gapped 1.13.3 ya está disponible.
Consulta la descripción general del producto para obtener más información sobre las funciones de Distributed Cloud.

Función

Gestión de clústeres:

  • Se ha introducido un conjunto más amplio de perfiles de GPU multiinstancia (MIG) (modo uniforme y mixto). Puedes crear clústeres de Google Kubernetes Engine en máquinas virtuales de GPU (máquinas virtuales A3) con varios esquemas de segmentación de GPU y abordar de forma dinámica las necesidades de recursos de GPU de los servicios que alojan cargas de trabajo de inteligencia artificial (IA).

Hardware:

  • Están disponibles los nuevos servidores DL380a con las últimas GPUs NVIDIA Hopper H100 (2x2 NVL), combinadas con los procesadores Intel de 5.ª generación más recientes.

Máquinas virtuales:

  • Hay un nuevo tipo de máquina virtual A3 optimizada para GPUs. El tipo de VM A3 tiene 4 GPUs NVIDIA H100 de 80 GB conectadas, que pueden ejecutar tus cargas de trabajo de IA que requieran modelos de lenguaje extensos de hasta 100.000 millones de parámetros.
  • Se han introducido formas de máquina virtual A3 más pequeñas, con 1 GPU H100 de 80 GB y 2 GPUs H100 de 80 GB conectadas por máquina virtual. Esta función está en versión preliminar.

Vertex AI:


Seguridad
Se ha actualizado la versión de la imagen de SO de Canonical Ubuntu a 20240811 para aplicar los últimos parches de seguridad y actualizaciones importantes. Para aprovechar las correcciones de errores y vulnerabilidades de seguridad, debes actualizar todos los nodos con cada versión. Se han corregido las siguientes vulnerabilidades de seguridad:

Seguridad

Se ha actualizado la versión de la imagen de SO Rocky a 20240731 para aplicar los parches de seguridad más recientes y las actualizaciones importantes.


Problema

Facturación:

  • El usuario no puede crear BillingAccountBinding debido a un error del webhook de validación.

Almacenamiento en bloques:

  • Los pods de Grafana se han quedado bloqueados en el estado Init debido a errores de montaje de volumen.
  • Se ha producido un error de conexión múltiple de Trident.

Database Service:

  • El subcomponente dbs-fleet tiene un error de conciliación al actualizarse.
  • No se puede crear el DBCluster después de la actualización.

Gestión de identidades y accesos:

  • Los pods gatekeeper-audit del espacio de nombres opa-system se reinician con frecuencia.

Monitorización:

  • Los pods de la pasarela de almacenamiento de Cortex pueden entrar en un bucle de fallos al iniciarse mientras se sincronizan con el backend de almacenamiento. Los pods superan sus límites de memoria, lo que provoca que Kubernetes los finalice.
  • Los pods de proxy de métricas del plano de control de Kube pueden fallar con un error de retirada de extracción de imágenes.
  • Un aumento en el WAL (registro de escritura previa) hace que Prometheus use mucha memoria. Debido a este problema, el nodo de VM del plano de control del sistema registra eventos NodeHasInsufficientMemory y EvictionThresholdMet.

Redes:

  • La imagen del switch no se ha podido extraer ni obtener.

Almacén de objetos:

  • Algunas advertencias de actualización del almacén de objetos se pueden ignorar.

Sistema operativo:

  • Los pods se han quedado bloqueados en un estado ContainerCreating en un solo nodo.

Servidores físicos:

  • No se puede aprovisionar el servidor DL380a.

Cambiar a un plan superior:

  • Un fallo de Helm durante la actualización provoca una serie de restauraciones.
  • Al actualizar desde HW2.0 y Ubuntu, la actualización del nodo muestra RockyLinux de forma incorrecta.
  • El pod dhcp-tftp-core-server no se ha vaciado.
  • El OrganizationUpgrade se ha bloqueado en la fase de actualización del nodo.
  • Fallo de conectividad intermitente con la VIP del clúster externo.
  • El kernel no puede crear el contenedor.
  • Aparece un error Incorrect version of Trident durante la actualización.
  • Durante el aprovisionamiento de clústeres de usuarios, no se pueden programar algunos pods.
  • La actualización de la organización de inquilinos falla en la fase de comprobación previa con ErrImagePull.
  • La actualización de la organización raíz se ha quedado bloqueada en una tarea de firma que ha fallado.
  • Durante la actualización, la tarea de una organización raíz falla porque faltan cuentas de servicio.
  • No se puede actualizar en shared-service-cluster upgrade
  • El nodo falla durante la actualización del clúster de usuario.
  • Se produce un error en la comprobación previa de la actualización de la organización raíz.
  • Se ha producido un tiempo de espera persistente durante el organizationupgrade raíz inicial.
  • No se puede conciliar el subcomponente obj-syslog-server en la organización raíz.

Máquinas virtuales:

  • El complemento de dispositivo NVIDIA DaemonSet falla con el mensaje driver rpc error en los nodos de clúster con GPUs. Este problema provoca que las GPUs no estén disponibles para las máquinas virtuales y los pods.
  • La VM del clúster del sistema no está lista.
  • Un volumen de datos informa de que no se encuentra el espacio de trabajo.
  • No se puede conciliar el subcomponente obj-syslog-server en la organización raíz.

Vertex AI:

  • La función de API entrenada previamente streaming_recognize de Speech-to-Text falla debido a un problema con la biblioteca de cliente.
  • La API batchTranslateDocument no admite el sondeo del estado de las tareas.
  • Las solicitudes de batchTranslateDocument pueden provocar problemas de rendimiento.
  • La primera vez que habilites las APIs preentrenadas, es posible que la consola de GDC muestre un estado incoherente al cabo de unos minutos.
  • Las solicitudes de traducción con más de 250 caracteres pueden provocar fallos en los pods de translation-prediction-server.
  • El GPUAllocation del clúster de servicios compartidos no está configurado correctamente.
  • Al actualizar de la versión 1.9.x a la 1.13.3, el controlador de gestión del ciclo de vida de los componentes operativos (OCLCM) de los subcomponentes de Vertex AI puede mostrar errores.
  • Las solicitudes de traducción pueden generar el código de error RESOURCE_EXHAUSTED cuando se ha superado el límite de frecuencia del sistema.
  • Las solicitudes de batchTranslateDocument devuelven el error 503 "Batch Document translation is not implemented si el parámetro operable enableRAG no tiene el valor true en el clúster.

Fija

Monitorización:

  • Se ha corregido un problema que provocaba que el ConfigMap del Prober se restableciera para no incluir tareas de sondeo.

Redes:

  • Se ha corregido un problema por el que un PodCIDR no se asignaba a los nodos aunque se creara un ClusterCIDRConfig.

Sistema operativo:

  • Se ha solucionado un problema por el que la tarea de Ansible bm-system-machine-preflight-check para un nodo de máquina virtual o bare metal fallaba con Either ip_tables or nf_tables kernel module must be loaded.

Servidores físicos:

  • Se ha solucionado un problema que provocaba que el arranque del servidor fallara debido a problemas de POST en el servidor de HPE.

Cambiar a un plan superior:

  • Se ha corregido un problema que provocaba que la actualización fallara en el subcomponente iac-zoneselection-global.

Vertex AI:

  • Se ha solucionado un problema que provocaba que MonitoringTarget mostrara el estado Not Ready cuando se creaban clústeres de usuarios, lo que hacía que las APIs preentrenadas mostraran continuamente el estado Enabling en la interfaz de usuario.

Cambiar

Gestor de complementos:

Cambiar a un plan superior:

  • En la documentación de la actualización se indican las duraciones estimadas de las distintas fases del proceso de actualización.