Platform For AI:DSW インスタンスの作成

トラブルシューティング：インスタンス名をクリックし、イベント タブでエラーメッセージを確認します。

一般的なエラーと解決策：

• Your requested resource type [ecs.**] is not enough currently, please try other regions or other resource types

  • 原因：選択したリソースタイプがこのリージョンで在庫切れです。

  • 解決策：後でもう一度試すか、別のリソースタイプまたはリージョンに切り替えてください。

• Your resource usage has exceeded the default limitation. Please contact us via ticket system to raise the limitation.

  • 原因：各 Alibaba Cloud アカウント (プライマリアカウント) は、一度にリージョンごとに最大 2 つの GPU インスタンスしか作成できません。2 つ以上の GPU を持つリソースタイプを選択すると失敗します。

  • 解決策：クォータを引き上げるには、チケットを送信してください。

• the available zone with vSwitch is out of stock

  • 原因：VPC vSwitch が設定されている場合、リソース検索はその vSwitch のアベイラビリティゾーンに限定されるため、リソース不足が発生する可能性があります。

  • 解決策：

    1. vSwitch と DSW インスタンスを別のアベイラビリティゾーンに作成します。

    2. 別の DSW インスタンスタイプを試します。

• Sales of this resource are temporarily suspended in the specified zone. We recommend that you use the multi-zone creation function to avoid the risk of insufficient resource.

  指定されたアベイラビリティゾーンでのリソース販売は一時停止されています。以下を試してください：

  • 別のリージョンに切り替えます。

  • 別のリソースタイプを選択します。

  • オフピーク時にインスタンスの起動を試みます。

• CommodityInstanceNotAvailableError: Commodity instance has been released due to prolonged arrears at past. Please create a new instance for use

  • 原因：長期間のアカウントの未払い金により、システムがインスタンスをリリースしました。

  • 解決策：新しいインスタンスを作成してください。

• The charge of current ECI instance has been stopped, but the related resources are still being cleaned.

  • 原因：無料枠のリソースは共有されています。ピーク時には、DSW インスタンスの起動に 30 分以上かかることがあります。システムが 1 時間以内にリソースを取得できない場合、選択したタイプは現在のリージョンで利用できないと報告されます。

  • 解決策：以下を試してください：

    • 別のリージョンに切り替えます。

    • リソースタイプを変更します (保留中のインスタンスはタイプ変更をサポートしていません。まずインスタンスを手動で停止してから切り替えてください)。

    • 営業時間外などのオフピーク時にインスタンスを使用します。

    • 上記で解決しない場合は、アカウントマネージャーにお問い合わせください。

• The cluster resources are fully utilized. Please try later or other regions.

  • 原因：クラスター内のすべての計算リソースが使用中です。

  • 解決策：以下を試してください：

    • 別のリージョンに切り替えます。

    • リソースタイプを変更します (保留中のインスタンスはタイプ変更をサポートしていません。まずインスタンスを手動で停止してから切り替えてください)。

    • 営業時間外などのオフピーク時にインスタンスを使用します。

    • 上記で解決しない場合は、アカウントマネージャーにお問い合わせください。

• Create ECI failed because the specified instance is out of stock. It is recommended to use the multi-zone creation function to avoid the risk of stockout.

  • 原因：指定されたリソースタイプは在庫切れです。

  • 解決策：以下を試してください：

    • 別のリージョンに切り替えます。

    • リソースタイプを変更します (保留中のインスタンスはタイプ変更をサポートしていません。まずインスタンスを手動で停止してから切り替えてください)。

    • 営業時間外などのオフピーク時にインスタンスを使用します。

    • 上記で解決しない場合は、アカウントマネージャーにお問い合わせください。

• back-off 10s restarting failed container=dsw-notebook pod

  • 原因：システムディスクがいっぱいで、拡張する必要があります。

    システムディスクの使用状況を確認するには：DSW インスタンスリストでインスタンス名をクリックし、詳細ページに移動して、[環境情報] セクションの [システムディスク] の状態を確認します。

  • 解決策：インスタンスリストで、設定の変更 をクリックしてシステムディスクを拡張します。

    重要

    システムディスクを拡張した後、インスタンスが実行中であるかどうかにかかわらず、課金は継続されます。DSW 関連のすべての料金を停止するには、インスタンスを削除してください。削除する前にデータをバックアップしてください。

• Pod was active on the node longer than the specified deadline

  • 原因：このエラーは通常、基盤となる ACK レイヤーによって発生します。一般的な原因には、コンテナ内のパラメーターの不適切な設定や、システムディスクの空き領域の不足などがあります。

  • 解決策：以下のトラブルシューティング手順に従ってください：

    1. カスタムイメージに異常な設定が含まれていないか確認します。

    2. find / -type f -print0 | xargs -0 du -h | sort -rh | head -n 10 を実行して、システムディスク上の最大のファイルを特定し、それらが想定されるビジネスファイルであるか確認します。

    3. CPFS と DSW インスタンス間のネットワーク接続を確認し、VPC 設定が一致していることを確認します。

• found multiple security groups with the same name

  • 原因：これは通常、バックエンドの異常によって引き起こされます。

  • 解決策：インスタンスを再起動してみてください。エラーが続く場合は、エラーメッセージからリクエスト ID を記録し、調査のためにチケットを送信してください。

• Instance fails to start due to CPU resource fragmentation on the node

  解決策：タスクの起動順序を調整します。まずリソースを占有している一部の DSW インスタンスを停止し、ターゲットインスタンスを起動します。起動が成功したら、他のタスクを再起動します。

• Q：カスタムイメージに IDE がインストールされていませんが、Web ベースの IDE を使用できますか？

  はい。DSW Web コンソールに組み込まれている VS Code やその他の IDE ツールは、プラットフォームの組み込み環境の一部であり、カスタムイメージに含まれる IDE パッケージには依存しません。

• Startup failed: Workspace member not found

  ご利用のアカウントはターゲットワークスペースのメンバーではありません。ワークスペース管理者に連絡して、アカウントをメンバーとして追加してもらってください。

• failed to create containerd container: failed to prepare layer from archive: failed to validate archive quota ...

  • 原因：インスタンスの作成に使用されたイメージが大きすぎて、システムディスクの容量が不足しています。

  • 解決策：DSW インスタンスリストでインスタンス名をクリックし、詳細ページに移動して、[環境情報] セクションの [システムディスク] の状態を確認します。[拡張] をクリックしてシステムディスクを拡張します。システムディスクを拡張すると、追加のストレージ料金が発生することに注意してください。

• Resource Error: create order error (status code 400)

  原因：このエラーは通常、次のいずれかが原因で発生します：

  1. アカウントの未払い金：アカウントに未払いの残高があり、システムが新しいリソース作成リクエストをブロックしました。アカウントに未払い金がある間は、無料枠のリソースタイプも作成できません。

  2. リスク管理：アカウントが Alibaba Cloud のセキュリティリスク管理ポリシー（例：新規登録アカウントや異常なアクティビティ）をトリガーし、リクエストが拒否されました。

  トラブルシューティング手順：

  1. 料金とコストコンソールにログインして、未払いの残高を確認します。未払い金がある場合は、支払ってから再試行してください。

  2. アカウントに未払い金がない場合は、リスク管理が原因である可能性があります。エラーメッセージのリクエスト ID を添えてチケットを送信してください。テクニカルサポートが調査と制限解除を支援します。

その他の起動失敗の原因：

• アカウントの未払い金

  アカウントに未払い金がある場合、DSW インスタンスの作成は失敗します。バウチャーは未払い金を相殺できません。料金とコストコンソールにログインして、アカウントの残高を確認してください。

Q：DSW インスタンスをリリースするにはどうすればよいですか？

DSW インスタンスリストで、右側の操作列にある [停止] または [削除] アクションを使用します。

重要：システムディスクを拡張した場合、インスタンスが停止していてもストレージ料金が発生し続けます。DSW 関連のすべての課金を停止するには、インスタンスを削除してください。

Q：DSW インスタンスが見つかりません。どうすればよいですか？

別のリージョンまたはワークスペースに切り替えてみてください。

Q：無料トライアルのクレジットパッケージをリリースするにはどうすればよいですか？

無料トライアルのクレジットパッケージは、リリースまたは停止する必要はありません。

Q：DSW のすべての課金を停止するにはどうすればよいですか？「停止」と「削除」の違いは何ですか？

• 停止：計算リソース (CPU/GPU) を解放し、計算料金を一時停止します。注：拡張されたシステムディスクは引き続き料金が発生します。

• 削除：インスタンスとシステムディスクを含むすべてのリソースを完全に削除します。関連するすべての課金が完全に停止します。

選択の基準：

• 停止：一時的に作業を終えましたが、将来の再起動のためにデータと環境を保持したい場合。

• 削除：インスタンスが不要になり、すべての課金を停止したい場合。続行する前にデータをバックアップしてください。

Q：DSW インスタンスが長時間「停止中」または「削除中」の状態になっています。何が起こっていますか？

DSW インスタンスを停止すると、システムは現在のコンテナの読み書き層を保存してイメージキャッシュを自動的に構築し、次回の起動を高速化します。これはシステム障害ではなく、予期された動作です。コンテナ層に大量のデータが書き込まれた場合、キャッシュの構築には数分から数時間かかることがあります。

インスタンスの停止に時間がかかる一般的な原因は次のとおりです：

• 大きなコンテナの読み書き層：これが最も一般的な原因です。多くのパッケージをインストールしたり、モデルファイルをダウンロードしたり、データセットをシステムディスクに保存したりすると、層のサイズが大きくなり、停止時間が長くなります。

• インスタンス内のプロセスが正常に終了しませんでした。

• メモリ使用率が高いため、インスタンスがシャットダウンコマンドに応答できません。

停止を高速化するためのヒント：

• 停止する前に、[イメージの保存] 機能を使用して、保存する必要のない大きなファイルやディレクトリ (モデルファイルやデータセットなど) の除外パスを設定します。これにより、停止時間を大幅に短縮できます。詳細については、DSW インスタンスイメージの保存に関するトピックをご参照ください。

• 大きなデータは、システムディスクではなく、マウントされた OSS または NAS パスに保存します。これにより、コンテナの読み書き層のサイズが根本的に削減されます。

• インスタンスが不要で、データの保持を気にしない場合は、[削除] してリソースをすぐに解放します。

停止に時間がかかりすぎる場合は、しばらくお待ちください。2 時間経っても完了しない場合は、テクニカルサポートにチケットを送信してください。

Q：DSW インスタンスを停止または削除した後、データとコードは失われますか？

データが保持されるかどうかは、操作とリソースグループのタイプによって異なります。

• インスタンスの停止：

  データの保持はリソースグループのタイプによって異なります。

  • クラウドディスクのシステムディスクを持つインスタンス (ほとんどの従量課金タイプ、および ディスク が選択されている汎用リソースインスタンス)：ディスクが拡張されておらず、インスタンスが 15 日以上停止している場合、データはクリアされ、回復できません。ディスクが拡張されているか、インスタンスが 15 日未満停止している場合、データは保持されます。

  • システムディスクとして 一時ストレージ を使用しているインスタンス：データはエフェメラルストレージに保存されます。インスタンスを停止するとデータは削除され、回復できません。

• インスタンスの削除：

  すべてのシステムディスクデータは完全に消去され、回復できません。削除する前に、すべての重要なデータをバックアップしてください。

Q：実行中の DSW インスタンスが自動的に停止したのはなぜですか？

インスタンスには、アイドル自動シャットダウンポリシーが設定されています。このポリシーはリソースを節約するために設計されており、無料トライアルインスタンスではデフォルトで有効になっています。

• トリガー条件：CPU と GPU の使用率が両方とも、設定されたしきい値を 3 時間連続で下回った場合。

• 推奨事項：

  • 手動で停止：リソースを確実に節約するには、使用していないときにインスタンスを手動で停止してください。自動シャットダウンポリシーが毎回トリガーされるとは限りません。

  • ポリシーの変更：長時間実行されるタスクの場合は、このポリシーを変更または無効にしてください。手順：

    1. ワークスペースの詳細ページに移動し、ワークスペースの詳細 > スケジューリング設定 をクリックします。

    2. DSW 設定セクションを見つけます。ここで DSW シャットダウンポリシーと除外ポリシーを変更できます。たとえば、特定のインスタンスの自動シャットダウンを無効にするには、インスタンス名で除外ポリシーに追加します。

Q：すべての DSW インスタンスを停止または削除しましたが、まだ「実行中」と表示されたり、課金通知が届いたりします。なぜですか？

以下の一般的な原因を確認してください：

• リソースパッケージとインスタンスを混同している可能性があります。表示されている「実行中」のステータスは、インスタンスではなくリソースパッケージ (例：「250 コンピューティング時間/月」) を指している場合があります。リソースパッケージは、インスタンスの状態に関係なく、有効期間中アクティブなままです。

• 拡張されたシステムディスクがまだ課金されています。インスタンスを停止すると、計算料金のみが一時停止されます。拡張されたシステムディスクは、ストレージ料金が発生し続けます。

• 課金が遅延しています。課金はリアルタイムではありません。午前中に発生した料金が、午後に請求書に表示されることがあります。

Q：API、Python コード、またはタスク後のトリガーを使用して DSW インスタンスを自動的に停止できますか？

以下の自動制御方法はサポートされていません：

• DSW でトレーニングプロセスを開始したり、ECS などの外部環境から API 呼び出しでインスタンスの開始/停止を制御したりすること。

• os.system などの Python コードを使用して、インスタンス内からシャットダウンコマンドを実行すること。

• タスク完了後にインスタンスが自動的に停止するように設定すること。

DSW は、アイドル自動シャットダウンポリシー (最小アイドル時間：1 時間) のみをサポートしており、CPU/GPU 使用率に基づいてアイドル状態を判断します。このポリシーは 100% のトリガー信頼性を保証できません。予期しない料金を避けるために、タスクが完了したらインスタンスを手動で停止してください。