本頁面的部分或所有資訊可能不適用於 S3NS 的 Cloud de Confiance。詳情請參閱「與 Google Cloud 的差異」。

Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

建立叢集

如要使用 Gemini Enterprise Agent Platform 訓練叢集，請與業務代表聯絡以取得存取權。

本頁面提供直接透過 API 建立及管理訓練叢集的方法。您將瞭解如何定義叢集的完整設定，包括登入節點、A4 等高效能 GPU 分區，以及 JSON 檔案中的 Slurm 調度器設定。此外，本文也說明如何使用 curl 和 REST API 呼叫來部署這項設定、建立叢集，以及使用 GET、LIST、UPDATE 和 DELETE 作業管理叢集的生命週期。

定義叢集設定

建立 JSON 檔案，定義訓練叢集的完整設定。

如果機構政策禁止在運算執行個體上使用公開 IP 位址，請使用 enable_public_ips: false 參數部署訓練叢集，並利用 Cloud NAT 進行網際網路輸出。

佈建訓練叢集的第一步，是在 JSON 檔案中定義完整設定。這個檔案是叢集的藍圖，可指定叢集名稱、網路設定，以及登入和工作節點的硬體。

下一節提供多個完整的 JSON 設定檔，可做為各種常見用途的實用範本。請參考這份清單，找出最符合需求的範例，並以此為起點。

僅含 Filestore 的 GPU：一般用途 GPU 訓練的標準設定。
搭配 Filestore 和 Managed Lustre 的 GPU：適合需要大量 I/O 的工作。
使用開機指令碼的 GPU：示範如何在節點啟動時執行自訂指令。
僅限 CPU 的叢集：僅使用 CPU 資源的基本設定。
進階 Slurm 設定：示範如何在叢集、分割區或節點集區範圍設定 slurm.conf 參數，以及執行序前和序後指令碼。

每個範例後方都會詳細說明該特定設定中使用的重要參數。

僅限搭配 Filestore 使用 GPU

這是標準設定。這個執行個體會提供 Filestore 執行個體，做為叢集的 /home 目錄，適合一般用途和儲存使用者資料。

以下範例顯示 gpu-filestore.json 的內容。這項規格會建立具有 GPU 分區的叢集。您可以將此做為範本，並視需要修改 machineType 或 nodeCount 等值。

如需參數清單，請參閱「參數參考資料」。

 {
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 200
      },
      "labels": { "example-key": "example-value" }
    },
    {
      "id": "a4",
      "machine_spec": {
        "machine_type": "a4-highgpu-8g",
        "accelerator_type": "NVIDIA_B200",
        "accelerator_count": 8,
        "reservation_affinity": {
          "reservationAffinityType": "RESERVATION_AFFINITY_TYPE",
          "key": "compute.googleapis.com/reservation-name",
          "values": [
            "projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME"
          ]
        }
      },
      "provisioning_model": "RESERVATION",
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "hyperdisk-balanced",
        "boot_disk_size_gb": 200
      },
      "labels": { "example-key": "example-value" }
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "a4",
          "node_pool_ids": [
            "a4"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

搭配 Filestore 和 Managed Lustre 使用 GPU

這個進階設定除了標準 Filestore 執行個體外，還包含高效能 Lustre 檔案系統。如果訓練工作需要以高處理量存取大型資料集，請選擇這個選項。

如需參數清單，請參閱「參數參考資料」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 200
      },
      "lustres": [
        "projects/PROJECT_ID/locations/ZONE/instances/LUSTRE"
      ]
    },
    {
      "id": "a4",
      "machine_spec": {
        "machine_type": "a4-highgpu-8g",
        "accelerator_type": "NVIDIA_B200",
        "accelerator_count": 8,
        "reservation_affinity": {
          "reservationAffinityType": "RESERVATION_AFFINITY_TYPE",
          "key": "compute.googleapis.com/reservation-name",
          "values": [
            "projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME"
          ]
        }
      },
      "provisioning_model": "RESERVATION",
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "hyperdisk-balanced",
        "boot_disk_size_gb": 200
      },
      "lustres": [
        "projects/PROJECT_ID/locations/ZONE/instances/LUSTRE"
      ]
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "a4",
          "node_pool_ids": [
            "a4"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

含開機指令碼的 GPU

這個範例說明如何將自訂指令碼新增至節點集區。這個指令碼會在啟動時，於該集區的所有節點上執行。如要設定這項功能，請在節點集區的定義中新增相關欄位，以及一般設定。如需參數清單和說明，請參閱「參數參考資料」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 200
      },
      "startup_script" : "#Example script\nsudo mkdir -p /data\necho 'Script Finished'\n"
    },
    {
      "id": "a4",
      "machine_spec": {
        "machine_type": "a4-highgpu-8g",
        "accelerator_type": "NVIDIA_B200",
        "accelerator_count": 8,
        "reservation_affinity": {
          "reservationAffinityType": "RESERVATION_AFFINITY_TYPE",
          "key": "compute.googleapis.com/reservation-name",
          "values": [
            "projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME"
          ]
        }
      },
      "provisioning_model": "PROVISIONING_MODEL",
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "enable_public_ips": true,
      "zone": "ZONE",
      "boot_disk": {
        "boot_disk_type": "hyperdisk-balanced",
        "boot_disk_size_gb": 200
      },
      "startup_script" : "#Example script\nsudo mkdir -p /data\necho 'Script Finished'\n"
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "a4",
          "node_pool_ids": [
            "a4"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

僅限 CPU 的叢集

如要佈建訓練叢集環境，請先在 JSON 檔案中定義完整設定。這個檔案是叢集的藍圖，可指定所有項目，包括叢集名稱、聯播網設定，以及登入和 worker 節點的硬體。

如需參數清單，請參閱「參數參考資料」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "cpu",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    },
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "partitions": [
        {
          "id": "cpu",
          "node_pool_ids": [
            "cpu"
          ]
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

進階 Slurm 設定

本範例會依名稱設定 slurm.conf 參數，並執行序言和結尾指令碼，自動設定及清除工作，精細控管 Slurm。參數可針對整個叢集、單一分割區或單一節點集區設定。

共有三張設定對應表，每張對應一個 slurm.conf 記錄：

config，在 Slurm 規格中設定叢集範圍設定
config 在分割區上
節點集區的 node_sets 項目

如要瞭解參數名稱、值和遭拒參數的規則，請參閱「Slurm 設定對應」。

您不必在建立時就設定這些項目，您可以在執行中的叢集上變更這三張對應表，不必重新啟動節點或中斷佇列工作。請參閱「更新 Slurm 設定」。

{
  "display_name": "DISPLAY_NAME",
  "network": {
    "network": "projects/PROJECT_ID/global/networks/NETWORK",
    "subnetwork": "projects/PROJECT_ID/regions/REGION/subnetworks/SUBNETWORK"
  },
  "node_pools": [
    {
      "id": "cpu",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    },
    {
      "id": "login",
      "machine_spec": {
        "machine_type": "n2-standard-8"
      },
      "scaling_spec": {
        "min_node_count": MIN_NODE_COUNT,
        "max_node_count": MAX_NODE_COUNT
      },
      "zone": "ZONE",
      "enable_public_ips": true,
      "boot_disk": {
        "boot_disk_type": "pd-standard",
        "boot_disk_size_gb": 120
      }
    }
  ],
  "orchestrator_spec": {
    "slurm_spec": {
      "home_directory_storage": "projects/PROJECT_ID/locations/ZONE/instances/FILESTORE",
      "config": {
        "PriorityType": "priority/multifactor",
        "PriorityWeightAge": "1000",
        "PriorityWeightFairshare": "10000",
        "PreemptType": "preempt/partition_prio",
        "PreemptMode": "SUSPEND,GANG",
        "SchedulerParameters": "bf_continue,bf_window=1440,bf_resolution=600",
        "AccountingStorageEnforce": "limits,qos"
      },
      "prolog_bash_scripts": [
        "#!/bin/bash\necho 'Prolog script running'"
      ],
      "epilog_bash_scripts": [
        "#!/bin/bash\necho 'Epilog script running'"
      ],
      "partitions": [
        {
          "id": "cpu",
          "node_pool_ids": [
            "cpu"
          ],
          "config": {
            "MaxTime": "4-00:00:00",
            "DefMemPerCPU": "4096",
            "PriorityTier": "20"
          }
        }
      ],
      "node_sets": [
        {
          "node_pool_id": "cpu",
          "config": {
            "Weight": "10",
            "Features": "cpu,spot"
          }
        }
      ],
      "login_node_pool_id": "login"
    }
  }
}

叢集範圍地圖會設定多重因素優先順序、分割區優先順序搶占和 SchedulerParameters，其中的 bf_continue 詞組會顯示複合形式：裸露詞組會開啟標記，詞組則以半形逗號分隔。分割區地圖會限制  分割區的工作執行階段和預設記憶體，並將 node_sets 項目標籤集區的節點，以便工作使用 --constraint 選取這些節點。cpu

在 JSON 檔案中定義叢集後，請使用下列 REST API 指令部署及管理叢集。範例使用 gcurl 別名，這是與 API 端點互動時，方便又經過驗證的捷徑。這些指令涵蓋完整生命週期，從最初部署叢集到更新叢集、取得叢集狀態、列出所有叢集，以及最終刪除叢集，全都包含在內。

驗證

alias gcurl='curl -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json"'

建立 JSON 檔案

建立 JSON 檔案 (例如 @cpu-cluster.json)，指定模型訓練叢集的設定。

部署叢集

建立 JSON 設定檔後，您可以使用 REST API 部署叢集。

設定環境變數

執行指令前，請先設定下列環境變數。這樣一來，API 指令會更簡潔，管理起來也更輕鬆。

PROJECT_ID：要建立叢集的 Cloud de Confiance by S3NS 專案 ID。
REGION：叢集及其資源的 Cloud de Confiance by S3NS 區域。
ZONE：叢集資源的佈建 Cloud de Confiance by S3NS 區域。
CLUSTER_ID：訓練叢集的專屬 ID，也會用來做為相關資源的命名前置字元。

執行建立指令

現在，請執行下列 gcurl 指令。這個指令會使用 JSON 檔案 (本例中為 cpu-cluster.json) 做為要求主體，並使用您剛才設定的環境變數建構 API 端點和查詢參數。

  gcurl -X POST -d @cpu-cluster.json https://REGION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/REGION/modelDevelopmentClusters?model_development_cluster_id=CLUSTER_ID

部署作業開始後，系統會產生作業 ID。請務必複製這個 ID。您會在下一個步驟中驗證叢集時用到這項資訊。

  gcurl -X POST -d @cpu-cluster.json https://us-central1-aiplatform.googleapis.com/v1beta1/projects/managedtraining-project/locations/us-central1/modelDevelopmentClusters?model_development_cluster_id=training
  {
      "name": "projects/1059558423163/locations/us-central1/operations/2995239222190800896",
      "metadata": {
      "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateModelDevelopmentClusterOperationMetadata",
      "genericMetadata": {
        "createTime": "2025-10-24T14:16:59.233332Z",
        "updateTime": "2025-10-24T14:16:59.233332Z"
      },
      "progressMessage": "Create Model Development Cluster request received, provisioning..."
  }

驗證叢集部署作業

使用部署叢集時提供的作業 ID，追蹤部署作業的進度。舉例來說，2995239222190800896 是先前範例中引用的作業 ID。

    gcurl https://REGION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/operations/OPERATION_ID

摘要說明

使用 gcurl POST 指令提交叢集設定後，系統會開始佈建叢集，這項作業是非同步的長時間執行作業。API 會立即傳回包含 Operation ID 的回應。請務必儲存這組 ID，因為後續步驟會用到，以便監控部署作業進度、確認叢集是否已順利建立，以及管理叢集的生命週期。

參數參考資料

以下清單說明設定範例中使用的所有參數。這些參數會根據設定的資源，整理成邏輯群組。

一般和聯播網設定

DISPLAY_NAME：訓練叢集的專屬名稱。字串只能包含小寫英數字元，開頭須為英文字母，且長度不得超過 10 個字元。
PROJECT_ID：您的 Cloud de Confiance by S3NS 專案 ID。
REGION：叢集及其資源所在的 Cloud de Confiance by S3NS 區域。
NETWORK：用於叢集資源的虛擬私有雲網路。
ZONE：叢集及其資源的 Cloud de Confiance by S3NS 可用區。
SUBNETWORK：叢集資源要使用的子網路。

節點集區設定

下列參數用於定義登入和工作節點的節點集區。

常見節點集區設定

ID：叢集內節點集區的專屬 ID (例如「login」、「a4」、「cpu」)。
PROVISIONING_MODEL：工作節點的佈建模型 (例如 ON_DEMAND、SPOT、RESERVATION、FLEX_START)。
MACHINE_TYPE：worker 節點的機型 (例如 a3-highgpu-8g、a3-megagpu-8g、a3-ultragpu-8g、a4-highgpu-8g)。如需支援的完整機型清單，請參閱「運算資源」。
MIN_NODE_COUNT：MIN_NODE_COUNT 必須與 MAX_NODE_COUNT 相同。
MAX_NODE_COUNT：登入節點集區的 MAX_NODE_COUNT 必須與 MIN_NODE_COUNT 相同。
ENABLE_PUBLIC_IPS：布林值 (true 或 false)，用於判斷登入節點是否具有公開 IP 位址。
BOOT_DISK_TYPE：登入節點的開機磁碟類型 (例如 pd-standard、pd-ssd)。
BOOT_DISK_SIZE_GB：登入節點的開機磁碟大小 (GB)。
LABELS：用來標記節點集區的一組鍵/值組合。
NODE_IMAGE (對應於 node_pools 物件內的 node_image)：節點集區節點開機時使用的 VM 映像檔，可以是完整映像檔或映像檔系列資源路徑 (例如 projects/IMAGE_PROJECT/global/images/family/IMAGE_FAMILY)。如果省略此項目，節點集區會使用機型目前的預設映像檔，這項設定會隨著時間演進。設定為將節點集區保留在特定映像檔上。變更節點集區的映像檔會重新建立節點。

額外儲存空間設定

FILESTORES (對應於 node_pools 物件內的 filestores)：要掛接至節點集區的現有 Filestore 執行個體清單，用於共用檔案存取權。
LUSTRES (對應於 node_pools 物件內的 lustres)：要掛接至節點集區的現有 Lustre 執行個體清單，用於存取高效能檔案。

員工專屬設定

ACCELERATOR_TYPE：要連結至工作站節點的對應 GPU 加速器。支援的值如下：
- NVIDIA_H100_80GB
- NVIDIA_H100_MEGA_80GB
- NVIDIA_H200_141GB
- NVIDIA_B200
ACCELERATOR_COUNT：要附加至每個 worker 節點的加速器數量。
RESERVATION_AFFINITY_TYPE (對應至 machine_spec.reservation_affinity.reservationAffinityType)：節點集區的預留項目相依性。這項參數必須是 SPECIFIC_RESERVATION，這是唯一支援的值。使用 SPECIFIC_RESERVATION 時，您必須在 machine_spec.reservation_affinity.values 中指定預留項目。
RESERVATION_NAME：要用於節點集區的預留項目名稱。這會用於 machine_spec.reservation_affinity.values 中提供的完整預留項目資源名稱，例如 projects/PROJECT_ID/zones/ZONE/reservations/RESERVATION_NAME。如果 RESERVATION_AFFINITY_TYPE 為 SPECIFIC_RESERVATION，則必須提供預留項目。

自動調度管理工具和儲存空間設定

這些欄位定義在 JSON 檔案的 orchestrator_spec.slurm_spec 區塊中。

核心 Slurm 和儲存空間設定

HOME_DIRECTORY_STORAGE (對應至 home_directory_storage)：要掛接為 /home 目錄的現有 Filestore 執行個體完整資源名稱。
LOGIN_NODE_POOL_ID (對應至 login_node_pool_id)：應做為登入節點的節點集區 ID。
partitions：分割區物件清單，每個物件都需要 id 和 node_pool_ids 清單。
default_partition_id (選用)：id未明確指定分割區時 (例如執行 sbatch 時未加上 --partition 旗標)，用於執行 Slurm 工作的分割區。如果不設定這項政策，分區清單中的第一個分區會成為預設分區，因此重新排序清單會變更預設分區。

進階 Slurm 設定

prolog_bash_scripts：字串清單，每個字串都包含要在工作開始前執行的完整 Bash 指令碼內容。
epilog_bash_scripts：字串清單，每個字串都包含 Bash 指令碼的完整內容，會在工作完成後執行。
config、partitions[].config 和 node_sets：依名稱設定的 Slurm 參數。請參閱「Slurm 設定對應」。
scheduling 和 accounting：已遭取代。這兩個物件會公開一組固定的優先順序、搶占和會計參數，每個參數都可以在叢集範圍的 config 對映中依名稱設定 (priority_type 為 "PriorityType"、preempt_mode 為 "PreemptMode"，依此類推)。使用這些函式的叢集仍可正常運作，但新叢集應使用 config，因為這個函式支援的 slurm.conf 參數比這個子集多得多。

Slurm 設定對應

Slurm 參數會依名稱設定在三個對應中，每個對應各有一個 slurm.conf 記錄：

config：叢集範圍設定，以全域 Key=Value 行的形式編寫。
partitions[].config：一個分區的設定，以該分區 PartitionName= 行的額外配對形式撰寫。
node_sets：物件清單，每個物件都有 node_pool_id 和 config 地圖。這些設定會以額外配對的形式，寫入該節點集區節點的 NodeName= 行。每個節點集區最多只能有一個項目，且集區必須是叢集的運算集區，而非登入集區。

在這三種情況下，鍵都是 Slurm 參數名稱，如 SchedMD 文件所述，不區分大小寫且會忽略底線，因此 DefMemPerCPU、defmempercpu 和 def_mem_per_cpu 都代表相同的參數。值會以 slurm.conf 寫入的方式寫入，包括以逗號分隔的清單 (例如 "PreemptMode": "SUSPEND,GANG") 和複合值 (例如 "SchedulerParameters": "bf_window=1440,bf_resolution=600")。

每個對應項都支援適用於其記錄的 slurm.conf 參數子集，而非所有參數。如果需要不支援的參數，請與 Gemini Enterprise Agent Platform 訓練叢集聯絡人聯絡。

如果參數在您設定的範圍內不受支援，或是參數值不合法，系統會在您提出要求時拒絕，並在錯誤訊息中指出參數名稱。不會無聲無息地捨棄任何內容。部分參數會因特定原因遭到拒絕：

這項服務會管理節點健康狀態檢查和工作重新排隊，因此無法設定 HealthCheckProgram、HealthCheckInterval、HealthCheckNodeState 和 RequeueExit。
Prolog 和 Epilog 是透過 prolog_bash_scripts 和 epilog_bash_scripts 設定。
slurmdbd.conf 參數 (例如 StorageHost 和 PurgeJobAfter) 無法設定：會計資料庫是由服務管理。
在分割區範圍內，Default 會遭到拒絕。預設分割區是叢集範圍的選項，使用 default_partition_id 設定。

警告：這項服務會個別驗證每個參數，不會驗證產生的 slurm.conf 是否整體有效。部分接受的設定會導致 Slurm 控制器無法啟動，例如 "PreemptType": "preempt/none" 搭配 "PreemptMode": "SUSPEND,GANG"，或是命名叢集未定義的 QoS 的分割區 AllowQos。建立或更新作業仍可回報成功，但 Slurm 指令 (例如 sinfo 和 scontrol) 會失敗。請根據叢集 Slurm 版本的 slurm.conf 參考資料檢查設定。如果在建立或更新後 Slurm 指令失敗，請與 Gemini Enterprise Agent Platform 訓練叢集聯絡人聯絡，找出導致失敗的設定。

注意：叢集範圍的 config 對應項會取代 scheduling 和 accounting 欄位，因此叢集會使用其中一個，如果要求同時設定兩者，系統會拒絕。請注意，每個值都是字面上的 slurm.conf 文字，因此數字會寫成字串："priority_weight_age": 1000 會變成 "PriorityWeightAge": "1000"。分區和節點範圍的地圖不受影響：這些地圖描述不同的 slurm.conf 記錄，可與這些欄位搭配使用。

執行階段設定

這些欄位定義在 JSON 檔案的 runtime_spec 區塊中。

service_account：叢集在執行任何工作負載時使用的預設服務帳戶。如未指定，系統會使用預設的 Compute Engine 服務帳戶。叢集建立後，這個欄位就無法更新。

注意：建立含有自訂 service_account 的叢集前，請先與 Google 帳戶團隊聯絡。根據預設，專案的預設 Compute Engine 服務帳戶可存取 Gemini Enterprise Agent Platform 訓練叢集代理程式存放區。如果您使用自訂服務帳戶，Google 帳戶團隊必須另外授予存取權。

後續步驟

使用持續運作的訓練叢集，執行機器學習工作負載。

在叢集上執行工作：提交 CustomJob，在持續性叢集上執行訓練工作。
- 瞭解如何執行分散式訓練工作
使用 Gemini Enterprise Agent Platform Pipelines 自動調度管理訓練作業：如要建立可重複執行的正式版工作流程，請使用 Agent Platform Pipelines 將作業提交程序自動化。
- 瞭解如何協調訓練叢集上的工作
查看叢集：使用 Cloud de Confiance 控制台或 Agent Platform API，列出專案中的現有叢集、檢查狀態，以及查看設定詳細資料。
- 瞭解如何查看訓練叢集
變更叢集：更新現有叢集的設定，例如節點數量或 Slurm 分割區。
- 瞭解如何管理訓練叢集
刪除叢集，停止產生費用：訓練叢集會持續運作，並在運作期間產生費用。
- 瞭解如何刪除訓練叢集