Catatan rilis Google Distributed Cloud dengan air gap 1.13.3

30 Agustus 2024

Google Distributed Cloud (GDC) dengan air gap 1.13.3 sudah tersedia.
Lihat ringkasan produk untuk mempelajari fitur Distributed Cloud.

Pengelolaan cluster:

  • Memperkenalkan serangkaian profil Multi-Instance GPU (MIG) yang lebih luas (mode seragam & campuran). Anda dapat membuat cluster Google Kubernetes Engine di VM GPU (VM A3) dengan berbagai skema pengirisan GPU dan secara dinamis memenuhi kebutuhan resource GPU layanan yang menghosting workload kecerdasan buatan (AI).

Hardware:

  • Server DL380a baru dengan GPU NVIDIA Hopper H100 terbaru (2x2 NVL), yang dipasangkan dengan prosesor Intel Generasi ke-5 terbaru sudah tersedia.

Virtual machine:

  • Jenis VM A3 baru yang dioptimalkan untuk GPU telah tersedia. Jenis VM A3 memiliki 4x GPU NVIDIA H100 80 GB yang terpasang, yang dapat menjalankan workload AI Anda yang memerlukan model bahasa besar hingga 100 miliar parameter.
  • Diperkenalkan bentuk VM A3 yang lebih kecil, dengan 1x GPU H100 80 GB dan 2x GPU H100 80 GB yang terpasang per VM. Fitur ini berada dalam Pratinjau.

Vertex AI:

Memperbarui versi image OS Canonical Ubuntu ke 20240811 untuk menerapkan patch keamanan terbaru dan update penting. Untuk memanfaatkan perbaikan bug dan kerentanan keamanan, Anda harus mengupgrade semua node dengan setiap rilis. Kerentanan keamanan berikut telah diperbaiki:

Memperbarui versi image Rocky OS ke 20240731 untuk menerapkan patch keamanan terbaru dan update penting.

Penagihan:

  • Pengguna gagal membuat BillingAccountBinding karena error webhook validasi.

Block storage:

  • Pod Grafana macet dalam status Init karena error pemasangan volume.
  • Terjadi error multi-lampiran Trident.

Database Service:

  • Subkomponen dbs-fleet mengalami error rekonsiliasi saat melakukan upgrade.
  • Pembuatan DBCluster gagal setelah upgrade.

Pengelolaan akses dan identitas:

  • Pod gatekeeper-audit di namespace opa-system sering dimulai ulang.

Monitoring:

  • Pod gateway penyimpanan Cortex dapat mengalami loop error saat startup saat menyinkronkan dengan backend penyimpanan. Pod melebihi batas memorinya, sehingga Kubernetes akan menghentikannya.
  • Pod proxy metrik bidang kontrol Kube dapat mengalami crashloop dengan error backoff penarikan image.
  • Pertumbuhan WAL (write-ahead log) menyebabkan Prometheus menggunakan banyak memori. Node VM bidang kontrol sistem melaporkan peristiwa NodeHasInsufficientMemory dan EvictionThresholdMet karena masalah ini.

Jaringan:

  • Penggantian gambar gagal mengekstrak atau menarik gambar.

Penyimpanan objek:

  • Beberapa peringatan upgrade penyimpanan objek dapat diabaikan.

Sistem operasi:

  • Pod macet dalam status ContainerCreating di satu node.

Server fisik:

  • Server DL380a gagal melakukan penyediaan.

Upgrade:

  • Kegagalan Helm selama upgrade menyebabkan serangkaian rollback.
  • Saat mengupgrade dari HW2.0 dan Ubuntu, upgrade node salah menampilkan RockyLinux.
  • Pod dhcp-tftp-core-server tidak dikuras.
  • OrganizationUpgrademacet di tahap upgrade node.
  • Kegagalan konektivitas sesekali ke VIP cluster eksternal.
  • Kernel gagal membuat penampung.
  • Error Incorrect version of Trident muncul selama upgrade.
  • Selama penyediaan cluster pengguna, beberapa pod gagal dijadwalkan.
  • Upgrade organisasi tenant gagal pada tahap pemeriksaan awal dengan ErrImagePull.
  • Upgrade org root macet karena tugas tanda tangan gagal.
  • Selama upgrade, tugas untuk organisasi root gagal karena akun layanan tidak ada.
  • Upgrade gagal di shared-service-cluster upgrade
  • Node gagal selama upgrade cluster pengguna.
  • Upgrade organisasi root gagal karena pemeriksaan pra-peluncuran.
  • Ada waktu tunggu yang persisten selama organizationupgrade root awal.
  • Subkomponen obj-syslog-server gagal melakukan rekonsiliasi di organisasi root.

Virtual machine:

  • Plugin perangkat NVIDIA DaemonSet gagal dengan pesan driver rpc error di node cluster dengan GPU. Masalah ini menyebabkan GPU tidak tersedia untuk mesin virtual dan pod.
  • VM cluster sistem belum siap.
  • Volume data melaporkan bahwa ruang sementara tidak ditemukan.
  • Subkomponen obj-syslog-server gagal melakukan rekonsiliasi di organisasi root.

Vertex AI:

  • Fungsi API yang telah dilatih sebelumnya streaming_recognize dari Speech-to-Text gagal karena masalah pada library klien.
  • Polling status tugas tidak didukung untuk batchTranslateDocument API.
  • Permintaan batchTranslateDocument dapat menyebabkan masalah performa.
  • Saat Anda mengaktifkan API terlatih sebelumnya untuk pertama kalinya, konsol GDC mungkin menampilkan status yang tidak konsisten setelah beberapa menit.
  • Permintaan terjemahan dengan lebih dari 250 karakter dapat menyebabkan error pada pod translation-prediction-server.
  • GPUAllocation untuk cluster layanan bersama tidak dikonfigurasi dengan benar.
  • Saat mengupgrade dari versi 1.9.x ke 1.13.3, pengontrol Operable Component Lifecycle Management (OCLCM) untuk subkomponen Vertex AI mungkin menampilkan error.
  • Permintaan terjemahan dapat menghasilkan kode error RESOURCE_EXHAUSTED jika batas frekuensi sistem telah terlampaui.
  • Permintaan batchTranslateDocument menampilkan error 503 "Batch Document translation is not implemented jika parameter yang dapat dioperasikan enableRAG tidak ditetapkan ke true di cluster.

Monitoring:

  • Memperbaiki masalah saat Prober ConfigMap direset untuk tidak menyertakan tugas probe.

Jaringan:

  • Memperbaiki masalah terkait PodCIDR yang tidak ditetapkan ke node meskipun ClusterCIDRConfig dibuat.

Sistem operasi:

  • Masalah terkait tugas Ansible bm-system-machine-preflight-check untuk node bare metal atau VM yang gagal dengan Either ip_tables or nf_tables kernel module must be loaded telah diperbaiki.

Server fisik:

  • Memperbaiki masalah bootstrap server yang gagal karena masalah POST di server HPE.

Upgrade:

  • Memperbaiki masalah kegagalan upgrade di subkomponen iac-zoneselection-global.

Vertex AI:

  • Memperbaiki masalah saat MonitoringTarget menampilkan status Not Ready saat cluster pengguna sedang dibuat, sehingga menyebabkan API yang telah dilatih sebelumnya terus menampilkan status Enabling di antarmuka pengguna.

Pengelola Add-on:

Upgrade:

  • Dokumentasi upgrade memberikan perkiraan durasi untuk berbagai tahap proses upgrade.