AWS 为 SageMaker AI 训练任务推出实例偏好列表

AWS 发布 SageMaker AI 实例偏好列表功能

据 AWS 官方博客消息，Amazon SageMaker AI 训练任务（Training Jobs）与处理任务（Processing Jobs）新增实例偏好列表（Instance preference lists）功能。用户在创建任务时，可以按优先级顺序提供最多五种可接受的实例类型；平台会按顺序评估，并在首个具备可用容量的实例类型上启动任务，无需人工干预。官方称该机制旨在减少手动重试脚本与监控逻辑带来的运维负担。

背景与影响

博客指出，在需求高峰期，按需获取特定 GPU 实例可能并不容易。当训练任务被绑定到单一实例类型而该容量暂时不可用时，团队往往需要提交多个请求或编写轮询、取消、重投的脚本，这类做法较为脆弱，且难以与预留容量方案（如 Flexible Training Plans）配合。实例偏好列表允许先评估预留容量，再回退到按需实例类型。官方描述的工作流程为：提交带有序偏好列表的任务、校验配置与资源限制、调度器在内存中扫描列表并选出首个有容量者、随即启动；若评估时均无容量，任务进入事件驱动队列，并在容量可用时自动重试，重试窗口由 MaxPendingTimeInSeconds 控制。

限制与来源

上述内容来自 AWS 官方博客的发布说明，具体支持的实例类型、区域可用性、配额与计费方式，以及 MaxPendingTimeInSeconds 的完整行为，素材中未完整给出，请以 AWS 官网当前文档与定价页面为准。本文不构成任何采购或投资建议。