Admin运维控制台
面向集群管理员：用户与配额治理、GPU 资源全景、节点诊断与成本洞察，一屏尽览。
- ElasticQuota 弹性配额树
- 节点 GPU 分布与 Node Shell
- Grafana 监控与成本分析
容器服务 ACK 出品
Open Source · Apache-2.0
Data/AI on ACK 云原生 AI/ML 平台，为规模化而生
基于阿里云容器服务 ACK 的开源工具链，为数据科学家与算法工程师提供 模型开发、分布式训练、推理服务与集群运维的完整闭环。
# 克隆仓库，一条 Helm 命令完成部署（必填参数见部署指南）
$ git clone https://github.com/AliyunContainerService/data-on-ack.git
$ helm install ai-dashboard data-on-ack/charts/ack-ai-dashboard -n kube-ai \
--set admin-ui.dashboard.ingress.hosts[0].host=<你的域名> \
--set grafana.adminPassword=<你的密码> # + Prometheus 数据源- 0
- 双控制台协同
- 0
- 核心开源组件
- 0
- 篇实战文档
- Apache-2.0
- 完全开源
构建于云原生基石之上
- Kubernetes
- 阿里云 ACK
- Ray
- Arena
- Fluid
- Jupyter
- Prometheus
- Grafana
Ray on ACK · 生产实践
把 Ray 算力，稳稳跑在生产级 ACK 上
十篇经过生产验证的实战指南：从第一个 RayCluster，到 eRDMA 上的高性能传输——每一步都有可直接复制的 YAML 与命令。
# 通过 KubeRay 一键部署 RayCluster（1 head + 1 worker）
$ kubectl apply -f ray-cluster.yaml
raycluster.ray.io/demo-ray-cluster created
$ kubectl get pods
demo-ray-cluster-head-mgdnb 1/1 Running
demo-ray-cluster-worker-group-worker-lvbr2 1/1 Running
$ kubectl exec -it $HEAD_POD -- ray status
Idle: 1 worker-group, 1 headgroup · 2 CPUs readyGPU 共享与弹性调度
cGPU 共享显卡、ElasticQuota 弹性配额，把每一块 GPU 用到极致。
eRDMA 高性能传输
Ray Direct Transport 与 NIXL 跑在 eRDMA 上，参数同步与数据搬运告别 TCP 瓶颈。
生产级容错与安全
GCS 容错、RBAC 认证、Plasma 对象溢出——直面真实生产场景，而非玩具示例。
demo-ray-cluster · 生产拓扑
Running
eRDMA 已启用
cGPU 共享
悬停或点按节点，查看 RayCluster 各角色的职责
Two Consoles, One Platform
一套平台，双重视角
管理员掌控集群治理，算法工程师专注模型迭代——各司其职，互不阻塞。
Dev开发控制台
面向算法工程师：Notebook 秒级启动、训练任务编排、模型一键推理，专注实验本身。
- Jupyter / VSCode Notebook
- 分布式训练任务管理
- 模型推理服务与版本
Capabilities
从开发到上线，全链路覆盖
交互式开发
Jupyter 与 VSCode Notebook 秒级创建，代码经 Commit Agent 自动同步，环境可复现。
分布式训练
集成 Arena 与 Ray，支持 PyTorch / TF 多机多卡训练，任务排队与优先级调度开箱即用。
模型推理服务
模型一键部署为在线服务，支持灰度与弹性伸缩，从实验到生产一步到位。
弹性配额
ElasticQuotaTree 多级配额管理，团队间资源共享与隔离兼得，GPU 利用率最大化。
成本洞察
按团队、任务维度追踪 GPU 成本，账单归因清晰，让每一份算力投入都有回响。
企业级治理
RAM 身份集成、用户组隔离、审计与备份恢复，满足生产环境的合规与稳定性要求。
Architecture
架构，一目了然
所有组件以 Helm Chart 交付，运行在标准 Kubernetes 之上，无厂商锁定。
悬停或点按节点，查看每个组件的职责
Documentation