第 6 章 对用户分布式工作负载的常见问题进行故障排除

解决方案

1. 在 OpenShift 控制台中，从 Project 列表中选择您的项目。

2. 检查工作负载资源：

   1. 单击 Search，然后从 Resources 列表中选择 Workload。
   2. 选择使用 Ray 集群资源创建的工作负载资源，然后点 YAML 选项卡。

   3. 检查 status.conditions.message 字段中的文本，它提供暂停状态的原因，如下例所示：

      status:
       conditions:
         - lastTransitionTime: '2024-05-29T13:05:09Z'
           message: 'couldn''t assign flavors to pod set small-group-jobtest12: insufficient quota for nvidia.com/gpu in flavor default-flavor in ClusterQueue'

      Copy to Clipboard Toggle word wrap

3. 检查 Ray 集群资源：

   1. 单击 Search，然后从 Resources 列表中选择 RayCluster。
   2. 选择 Ray 集群资源，然后点 YAML 选项卡。
   3. 检查 status.conditions.message 字段中的文本。

4. 检查集群队列资源：

   1. 单击 Search，然后从 Resources 列表中选择 ClusterQueue。
   2. 检查集群队列配置，以确保您请求的资源在为项目定义的限值内。
   3. 减少请求的资源，或联系您的管理员请求更多资源。