9.5. 管理员对分布式工作负载的常见问题

解决方案

1. 检查是否创建了资源类别，如下所示：

   1. 在 OpenShift 控制台中，从 Project 列表中选择用户的项目。
   2. 点 Home Search，然后从 Resources 列表中选择 ResourceFlavor。
   3. 如有必要，创建资源类别。
2. 检查用户代码中的集群队列配置，以确保它们请求的资源在为项目定义的限值内。
3. 如有必要，增加资源配额。

1. 在 OpenShift 控制台中，从 Project 列表中选择用户的项目。
2. 点 Workloads Pods。
3. 单击用户的 Pod 名称，以打开 Pod 详情页面。
4. 点 Events 选项卡，并查看 pod 事件以确定问题的原因。
5. 检查使用 RayCluster 资源创建的 Workload 资源的状态。status.conditions.message 字段提供失败状态的原因。

解决方案

1. 在 OpenShift 控制台中，从 Project 列表中选择用户的项目。
2. 点 Workloads Pods。
3. 验证 CodeFlare Operator pod 是否正在运行。如有必要，重启 CodeFlare Operator pod。

4. 查看 CodeFlare Operator pod 的日志，以验证 webhook 服务器是否服务，如下例所示：

   INFO	controller-runtime.webhook	  Serving webhook server	{"host": "", "port": 9443}

解决方案

1. 在 OpenShift 控制台中，从 Project 列表中选择用户的项目。
2. 点 Workloads Pods。
3. 验证 KubeRay pod 是否正在运行。如有必要，重启 KubeRay pod。
4. 查看 KubeRay pod 的日志以识别错误。

解决方案

1. 建议用户识别并指定正确的 OpenShift 登录凭证，如下所示：

   1. 在 OpenShift 控制台标头中，单击您的用户名，再单击 Copy login command。
   2. 在打开的新标签页中，以您要使用的凭据的用户身份登录。
   3. 单击 Display Token。
   4. 从 带有此令牌部分的 Log in 中，复制 token 和 server 值。

   5. 在笔记本代码中指定复制的 令牌和 服务器 值，如下所示：

      auth = TokenAuthentication(
          token = "<token>",
          server = "<server>",
          skip_tls=False
      )
      auth.login()

2. 验证用户具有正确的权限，并且是 rhods-users 组的一部分。