标签:故障诊断

华为创造AI算力新纪录:万卡集群训练98%可用度,秒级恢复、分钟诊断

华为昇腾万卡算力集群实现了近乎'永不罢工'的稳定性能,其核心突破在于构建了三大智能保险系统。该系统通过全栈可观测能力实时监控集群运行状态,故障诊断组...