SuperAPI AI 工具集

physical-ai-infrastructure-setup-and-resilient-scaling

部署与运维

查看项目

更新于 10-16 04:34

技能介绍

用途:将集群、推理、OSMO 与工作负载各阶段组合为可复现的 Physical AI 合成数据生成(SDG)环境,并保持其可观测、可恢复。适用于需要搭建、扩展、验证或加固 NVIDIA Physical AI 基础设施的场景。

主要能力与结构:技能内按组件组织,仅在所选目标需要时加载对应参考,包括驱动阶段矩阵、MicroK8s 集群、Azure AKS 集群、NIM Operator 推理、NVCF 推理、Azure AI Foundry 推理、MicroK8s/Azure OSMO、Azure 访问配置、OSMO CLI 与工作流操作、OpenClaw Azure 设备登录等。OSMO CLI 另有二级支持文件(workflow-expert、logs-reader 代理,CLI 命令、工作流规范/模式、高级模式、编排运行时故障测试)。

阶段选择:每阶段选一项。Kubernetes 选 MicroK8s 或 Azure;OSMO 需与 Kubernetes 匹配(MicroK8s 对 MicroK8s OSMO,Azure 对 Azure OSMO);推理选 NIM Operator、NVCF、Azure AI Foundry 或 None;工作负载选 Video Data Augmentation、Defect Image Generation、NuRec Carline Adaptation、NRE、NCore、Asset Harvester 或自定义工作流 YAML。无效组合需在开通前拒绝,例如 MicroK8s 不支持 Azure AI Foundry。

使用方式:先确认目标与工作负载算力需求,加载所选组件参考,预先解决 API key、Azure 访问、调用方 CIDR、GPU 配额、存储类、OSMO 登录等前置条件;对每个基础设施组件及 OSMO CLI/工作负载运行 scripts/preflight.sh,红色预检即停止。先部署 Kubernetes,再并行部署 OSMO 与推理,最后提交工作负载并监控至完成;失败时先查事件与日志,不盲目重提。

验证门禁:Kubernetes 需集群 API 可达、节点 Ready、GPU 容量可宣告;推理需工作负载引用的每个端点可达(NIM 用 /v1/health/ready);OSMO 需 Pod Ready、池 ONLINE、存储凭证就绪且 verify-hello 完成;工作负载需预提交守卫通过且 osmo workflow query <id> 为 COMPLETED。

限制与规则:仅加载所需组件,仓库为持久产物,修复已检入配置或脚本后重跑;变更类集群、OSMO、Helm、Terraform 或 Azure 操作应通过已检入脚本执行;密钥存放于 ${REPO_ROOT}/.env,禁止打印或回显原始密钥,建议用 secretKeyRef 与运行时注入,分享前运行 scripts/scan_transcript_secrets.py;使用绝对路径,仓库根用 git rev-parse --show-toplevel 推导。缺失信息(如具体命令参数、价格或配额数值)资料未提供。