إثبات ALQUA

الانشغال لا يعني العمل.

يفحص «الإثبات» كل عملية تدريب ونقطة استدلال أثناء تشغيلها. وخلال دقائق يخبرك إن كان البطء من المهمة أم من البنية التحتية، ويعرض الدليل.

{{ laneTitle }}{{ pct }}%

ملف الحالة 01 — مهمة العميل المتأخر المتنقل

عملية ضبط دقيق على 16 وحدة GPU تعمل أبطأ بـ 30٪ مما دُفع مقابله. كل وحدة تُظهر أنها مشغولة، والشبكة سليمة، ولا يظهر أي خطأ في السجل. في كل خطوة تؤخر الوحدة التي تسحب أطول المستندات بقية الوحدات، والوحدة البطيئة تتغير مع كل خطوة.

▸ نشاط المحرك ≈ 100٪ على كل الوحدات▸ أنوية Tensor خاملة على الوحدات المنتظرة▸ انهيار الترابط في النشاط بين الوحدات

التشخيص ← عدم توازن أطوال التسلسلات. أصلح أداة أخذ العينات، واحتفظ بالوحدات.

ملف الحالة 02 — البنية التحتية توقف نقاط الحفظ

عند كل حفظ تتوقف المهمة بالكامل. لا شيء يفشل، والسجل يطبع «تم الحفظ»، والتشغيل ينتهي متأخراً يوماً كاملاً. الكتابة تذهب إلى وحدة تخزين مشتركة مثقلة وتوقف كل الوحدات.

▸ فجوات بالثواني بين إطلاق النوى▸ الفجوات تتطابق مع أسطر الحفظ في سجل المهمة▸ انهيار إنتاجية التخزين المشترك، بلا أي أخطاء

التشخيص ← التخزين، وليس التدريب. نُقلت نقاط الحفظ إلى NVMe محلي.

ملف الحالة 03 — الاستدلال دفعات نصف فارغة

نقطة محادثة عربية تعمل على 8 وحدات GPU. زمن الاستجابة ضمن اتفاقية الخدمة، أما الفاتورة فلا: تكلفة المليون رمز 2.4 ضعف المستهدف. تُعالَج المطالبات الطويلة واحدة تلو الأخرى بينما تبقى خانات التوليد فارغة.

▸ إشغال الدفعة: 3 من 32 خانة في المتوسط▸ ذاكرة KV فارغة بنسبة 71٪ في الذروة▸ المعالجة المسبقة تستهلك معظم وقت GPU في المطالبات الطويلة

التشخيص ← دفعات مستمرة وذاكرة البادئة. نفس مستوى الخدمة على 3 وحدات.

ملف الحالة 04 — النزاع «استبدلوا وحدة GPU»

ينفجر معدل الخسارة قرب الخطوة 800 دون أي حدث في البنية التحتية قريب منه. يشك فريق العميل في وحدة GPU تحسب قيماً خاطئة ويطلب استبدال العقدة وتعويضاً. العدادات تقول غير ذلك: فروق العتاد صفر على كل وحدة، والخسارة تنحرف قبل أن تنفجر، وإعادة التشغيل على عقد أخرى تتباعد عند نفس الخطوة. السبب هو fp8 بلا تحجيم لكل موتّر.

▸ فروق ECC وXID وإعادة تعيين الصفوف والاختناق الحراري: صفر على كل الوحدات▸ إعادة تعيين قديمة واحدة، ثابتة طوال التشغيل: سابقة وليست السبب▸ الخسارة تنحرف ثم تنفجر؛ إعادة التشغيل تتباعد عند نفس الخطوة

التشخيص ← الوصفة، والعتاد بريء. تم تجنب استبدال العقدة.

01السعر الحقيقي

تدفع لكل ساعة GPU، وتستفيد فقط من الساعات المنتجة.

اقسم سعر القائمة على نسبة الوقت الذي تحسب فيه وحدة GPU فعلاً. هذا هو الرقم الذي يحدد ميزانيتك، وهو ما يحرّكه «الإثبات».

سعر القائمة لساعة GPU${{ listTxt }} الوقت الذي تحسب فيه GPU فعلاً{{ share }}%

{{ effLabel }}${{ effTxt }}

{{ proofLabel }}${{ proofTxt }}

02ليست لوحة مؤشرات أخرى

لوحات المؤشرات تعرض الأعراض. ونحن نعطي التشخيص.

يمكنك تجميع DCGM وPrometheus وGrafana بنفسك وتبقى تحدق في ثلاثين رسماً بيانياً في الثالثة فجراً. المشكلة الصعبة هي الربط: جمع عدادات GPU وتتبع النوى والعمليات الجماعية وحالة المجدول وسجل التدريب في إجابة واحدة. وأغلى الأعطال لا تُظهر أي عرض على العتاد أصلاً.

	حزمة مفتوحة المصدر ذاتية	خدمة مراقبة سحابية	إثبات ALQUA
لوحات وتنبيهات GPU	نعم، DCGM exporter وGrafana	نعم، مراقبة GPU عبر DCGM	نعم. هذا هو الحد الأدنى.
كل إشارة مرتبطة بالمهمة والرتبة وPID وGPU	أسابيع من توصيل التسميات، وغالباً لا تكتمل	تسميات للمضيف والحاوية، بلا هوية للمهمة أو الرتبة	يتم عند الجمع، داخل الوكيل
تقدم التدريب: الخسارة والخطوات ونقاط الحفظ	غير مرئي	السجلات إن أرسلتها؛ الخسارة والخطوات لا تعني لها شيئاً	يُقرأ من مخرجات المهمة عبر التقاط على مستوى النواة
تتبع CUDA وNCCL لكل رتبة	يتطلب SDK وتغييرات في الكود	غير متاح؛ يتوقف التحليل عند مستوى العملية	مجسات eBPF، بلا أي تجهيز للكود
من يربط الحادثة	مهندس أمام ثلاثين لوحة	تنطلق التنبيهات، ويبقى التحقيق عليك	وكيل يعطي تشخيصاً موثقاً خلال دقائق
تشغيلات تكتمل دون أن تتعلم شيئاً	غير مرئي: رمز خروج 0 وكل شيء أخضر	غير مرئي: البنية التحتية تبدو سليمة	فئة أعطال من الدرجة الأولى

03كيف يعمل

وكيل واحد لكل عقدة. تشخيص واحد لكل حادثة.

01 · الجمععدادات GPU والنوى والعمليات الجماعية والسجلاتملف تنفيذي واحد على كل عقدة يقرأ DCGM وNVML ومجسات eBPF ومخرجات المهمة نفسها. بلا SDK وبلا تغيير في الكود.

02 · الربطكل إشارة مرتبطة بهوية واحدةتُربط المهمة والخطوة والوحدة والعملية وGPU لحظة الجمع، فيصبح الربط بحثاً سريعاً لا تحقيقاً جنائياً.

03 · التحقيقوكيل يقرأ الأدلةيعمل على نموذج محلي، فلا تغادر بيانات القياس الموقع. يفحص المهمة ثم العقدة ثم الشبكة ثم التخزين.

04 · التشخيصالسبب، محدداً وموثقاًالمهمة أو البنية التحتية، مع GPU والفترة والإشارة. يصلك قبل أن تفتح تذكرة دعم.

هوية واحدة عبر كل الإشارات

عداد DCGMتتبع CUDAعملية NCCL جماعيةمنفذ IBسجل Slurmمخرجات المهمة المهمة · الخطوة · الرتبة · PID · GPU

لأن الربط يحدث لحظة الجمع، يصبح الترابط بحثاً سريعاً لا تحقيقاً جنائياً.

850+سلسلة مقاييس GPU لكل عقدة: 157 حقل DCGM، أنابيب Tensor، أسباب الاختناق، ECC وXID وإعادة تعيين الصفوف، أخطاء NVLink

3,700+سلسلة eBPF لكل عنقود: زمن استجابة CUDA API، فجوات إطلاق النوى، عمليات NCCL حسب النوع والحجم

46مجساً في النواة على libcuda وlibnccl، تُجمَّع داخل النواة عند 40 ألف إطلاق في الثانية لكل رتبة

1ملف تنفيذي واحد لكل عقدة: DCGM وNVML وeBPF والتقاط السجلات، نحو 0.15 نواة معالج و240 MiB على عقدة 8×H100

04للمشغلين

لماذا يشغّل المشغلون «الإثبات» على أساطيلهم.

ليست أداة أخرى لإعادة البيع، بل رافعة للمشغل نفسه: الدعم واتفاقيات الخدمة وصحة الأسطول، وقيمة ساعة GPU لديك مقارنة بالآخرين.

01«العطل في أجهزتكم»، إجابة خلال دقائقيصعّد عميل: العنقود هو السبب. ترى السبب الحقيقي محدداً في وحدة GPU أو رابط بعينه، أو تثبت براءة العتاد بالعدادات.

02مبادرة بالتواصل، لا تذاكر دعمتجري التحقيقات مباشرة بينما تستهلك المهمة الساعات. تراسل العميل أولاً: تشغيلك أبطأ بـ 40٪ مما ينبغي، وهذا هو السبب والحل.

03الاستخدام الفعلي يصبح العرضبِع السعة مع طبقة كفاءة مرفقة: تدريب منتج أكثر في كل ساعة مستأجرة، مقاساً لكل مهمة.

04مناقشات اتفاقيات الخدمة تبدأ من الدليليبدأ كل نزاع بدليل لكل رتبة: المهمة والعقدة ووحدة GPU والفترة والإشارة. وينتهي بتشخيص بدلاً من تعويض مجاملة.

05صحة الأسطول قبل الأعطالارتفاع معدلات ECC وإعادة تعيين الصفوف والاختناق الحراري وتدهور الروابط تُرصد أياماً قبل أن تُسقط مهمة. أفرغ واستبدل وفق جدولك.

06تكلفة دعم أقل، وحلول أسرعيسلّم الدعم الأولي للعميل تشخيصاً موثقاً، لا جداراً من اللوحات. التصعيدات التي كانت تستغرق أسبوعاً تُغلق في جولة واحدة.

05أين يعمل

على سحابة ALQUA مشمول في كل عنقود. يعمل «الإثبات» على كل وحدة GPU في ALQUA من اليوم الأول. تظهر التشخيصات في المنصة وفي محادثات فريقك. سحابة ALQUA ←

على أسطولك SaaS أو محلياً أو معزولاً عن الشبكة. لمزودي السحابة الجدد ومراكز البيانات. أجب عن «العطل في أجهزتكم» خلال دقائق، وبِع الاستخدام الفعلي لا الساعات فقط. التسعير لكل GPU شهرياً. تحدث إلينا