ACK One多叢集作業分發是阿里雲面向多叢集和混合雲情境提供的多叢集AI作業調度和分發的能力。當單一ACK叢集無法滿足大規模AI訓練和推理任務的資源需求，或當前已有的多個ACK叢集有較多資源閑置時，您可以利用ACK One多叢集作業分發能力，將任務調度到多個叢集，以滿足您的資源需求。
功能特性
ACK One 多叢集作業分發，具有以下能力：
支援多種作業類型：PyTorchJob、SparkApplication、TFJob。
多叢集Gang調度：通過預占或動態資源檢測，實現作業的多叢集Gang調度，確保任務下發到子叢集後能夠調度，提升任務調度效率。
多租戶配額管理：使用者可以使用ElasticQuotaTree提供的基於Namespace的資源管理，在多租戶情境下限制各租戶的資源使用量。
任務優先順序調度：依據使用者在AI任務中的
PodTemplate中定義的PriorityClass，確保高優先順序任務優先獲得叢集資源。多種任務排隊策略配置：您可以靈活定義各隊列的排隊策略，滿足優先提高叢集利用率或優先保證任務優先順序兩種使用方式，支援阻塞調度模式和非阻塞調度模式。
作業失敗後的重調度：作業在子叢集中失敗後，Global Scheduler將回收該作業，並對其進行重調度，調度到其他符合條件且資源充足的叢集。
工作原理
向艦隊提交PyTorchJob、SparkApplication或TFJob的類型作業和分發策略
PropagationPolicy。艦隊對作業進行優先順序調度和租戶配額管理Capacity Scheduling。
艦隊中的Global Scheduler，對出隊列的作業進行多叢集動態資源調度和多叢集Gang調度，對滿足條件的叢集進行資源預占或動態資源檢查，調度失敗則重新入隊列。
調度成功後，作業按策略分發到對應的ACK叢集中。
若作業運行失敗，Global Scheduler將回收作業，並對其進行重調度，調度到其他符合條件且資源充足的叢集。