Ai2 改造 GPU 集群调度架构：引入时间预算与分片契约解决资源争抢

Ai2 基础设施团队将其 GPU 集群调度器改造为基于时间预算、层级公平份额与调度契约的全新系统，以解决多团队争抢算力时的占坑与优先级膨胀问题。新方案通过设定最小运行时保障和自动时间分片，在集群占用率保持 98% 的同时，将调试作业 p90 排队时间从 2 小时缩短至 30 秒。此外，不健康节点的自动排空机制使需要人工介入的运维修复工作减少了 74%。