接入集群并核对设备
场景目标
集群状态可用，4 张 NPU 卡全部出现在预期节点，并可关联兼容资源规格。
适用角色
- 平台运营方
开始前准备
- 准备集群地址、注册信息、网络路由和所需 Agent 或凭证。
- 记录预期节点数以及 4 张 NPU 卡的物理分布。
功能入口
- 角色：运营管理员
- 菜单：AI基础设施 > On-Prem > 资源池 > 集群管理
- 路由：
/powerone/resourcepool/cluster
操作步骤
确认地域和可用区已创建。
点击 集群注册，填写 kubeconfig、API Server、认证方式和网络信息。
提交后等待集群进入“可用”状态。
打开集群详情和节点列表，核对节点均为 Ready。
核对设备总量，确认目标 NPU 数量为 4，且没有掉卡或重复上报。
打开 Cluster Details，核对集群所属地域、可用区、状态、关联规格和存储配置。
打开 Cluster Nodes，逐节点确认节点状态、设备可见性和资源上报结果，尤其是承载加速卡的节点。
如果集群处于禁用状态，在重新启用并确认节点恢复正常前，不要将其用于新的资源创建。
4 张 NPU 卡的核对方法
| 检查项 | 预期结果 |
|---|---|
| 集群状态 | 可用 |
| 节点状态 | 所有承载 NPU 的节点均为 Ready |
| 设备总量 | 4 张 NPU 卡 |
| 可分配量 | 扣除运行中作业后与实际占用一致 |
| 资源 key | 与加速卡管理和规格指标一致 |
完成检查
用途： 以下检查是当前功能任务的退出条件，用于判断操作结果是否可观察、可复核，以及是否可以继续当前场景的下一步。它不是操作步骤的重复；任一项不满足时，请按下方“常见失败分支”继续排查。
| 检查项 | 通过标准 |
|---|---|
| 1 | 集群、节点和设备信息均可见。 |
| 2 | 4 张 NPU 卡全部被识别。 |
| 3 | 测试作业可以申请至少 1 张 NPU 卡并进入调度流程。 |
常见失败分支
| 现象 | 优先检查 |
|---|---|
| 集群注册失败 | 地址、网络、注册信息、Agent 状态和时间同步 |
| 只发现部分 NPU 卡 | 节点健康、驱动、设备插件、加速卡映射和硬件可见性 |
| Cluster Details 中没有预期数据 | 集群状态、地域/可用区、权限范围、同步时间以及集群是否已完成接入 |
| Cluster Nodes 为空 | 集群可用性、节点是否完成注册、权限范围以及同步或采集状态 |
| 已禁用集群仍可被选择 | 刷新页面，重新核对集群状态和下游关联；在选择范围修正前不要提交作业 |
| 修改集群存储后作业无法访问 | 集群存储关联、地域/可用区绑定、存储组件健康状态和作业挂载配置 |