此前我们发布了一个基于gpu-burn基准测试的参考笔记，这里也记录下nccl-tests测试的记录，方便后续测试进行参考，测试的环境是单机多卡，因为多机测试的话就会依赖RDMA网络，所以记录单机，分为nvlink和pc...
由于经常涉及到GPU测试，所以这里记录下各个型号GPU性能的基准，主要包含4090/4090D，5090/5090D，A100/A800，H100/H800等卡型号的各个精度性能测试基准，后续如有其他高端卡测试，也将持续...
我们需求是需要在k8s上部署harbor仓库，因为环境基本用于测试，所以就不太想制作证书之类的，就打算基于http方式，最终暴露端口的方式是使用nodeport方式，另外存储没有网络存储，使用local pv的方式绑定到...
linux下生成密钥使用ssh-keygen命令，生成的方法可以查看我之前的笔记：https://sulao.cn/post/283当遇到系统变化，需要重新生成密钥的情况，客户不愿意更换密码，不能直接拿以前的私钥替换原来...
Prometheus 是一个开源的系统监控和警报工具包，最初由 SoundCloud 开发。自 2012 年诞生以来，许多公司和组织都采用了 Prometheus，该项目拥有非常活跃的开发者和用户社区。如今，它已成为一个...
在k8s集群中我们会遇到加入进来的很多节点网络接口名字和原来已有网络接口名字不一样的情况，这种情况如果IP不是第一个识别的网络接口那就会使用错误的IP进行通信，导致pod间通信异常，那么解决这种方法的话我们需要修改cal...
此前安装nccl都是通过在线安装，今天来记录下如何编译安装，相对于在线安装本地编译安装对于没有root权限，且没有联网环境的状态下使用。下面我们就来编译下nccl，编译过程比较简单。git clone https://g...
本文环境是ubuntu22.04，需求是部署单master集群，容器要求使用containerd，此前咱们在centos上部署过，也在ubuntu18.04上使用docker部署过，相关的教程可以查看此前的笔记cento...
