- [2026.08.01]: 🚀 MindCluster易用性提升
- [2026.08.01]: 🚀 社区volcano兼容性提升
- [2026.08.01]: 🚀 监控易用性可靠性提升
- [2026.08.01]: 🚀 支持DPU设备发现与故障上报
- [2026.08.01]: 🚀 支持A5软切分、支持A2/A3动态硬切分
- [2026.08.01]: 🚀 支持DP故障处理插件化
- [2026.08.01]: 🚀 A5硬件适配
- [2026.08.01]: 🚀 支持推理场景自定义资源弹性扩缩容能力
- [2026.08.01]: 🚀 支持容器快照能力，加速业务故障恢复
MindCluster（AI集群系统软件）是支持NPU（昇腾AI处理器）训练和推理硬件的深度学习组件，使能构建集群全流程运行，提供NPU集群作业调度、运维监测、故障恢复等功能。深度学习平台开发厂商可以减少底层资源调度相关软件开发工作量，快速使能合作伙伴基于MindCluster开发深度学习平台。此外还提供了故障诊断工具（又叫Ascend FaultDiag），包含日志诊断工具（简称 ascend-fd）和链路诊断工具（简称 ascend-fd-tk），能够对集群作业失败、链路故障等问题提供诊断结果。
Note
全景图中的Ascend DMI和Ascend Deployer组件不属于本仓库，Ascend DMI暂未开源，Ascend Deployer源码与使用说明请参考 Ascend Deployer 仓库。
集群调度
-
设备管理
基于Kubernetes设备插件机制，提供NPU、DPU设备的自动发现、资源上报与健康状态管理；通过Ascend Docker Runtime适配容器运行环境，并支持NPU虚拟化实例（vNPU）切分，实现异构算力资源的灵活供给。
特性名称 介绍 Released NPU设备发现 NPU设备发现 ✅ DPU设备发现 DPU设备发现 ✅ 容器化支持 容器化支持 ✅ NPU虚拟化 NPU虚拟化 ✅ -
资源监测
提供NPU、DPU资源的监测能力，支持对接Prometheus、Telegraf等监测组件，实现集群异构资源使用情况的采集与可视化监测。
特性名称 介绍 Released NPU资源监测 NPU资源监测 ✅ DPU资源监测 DPU资源监测 ✅ -
资源调度
提供整卡、静态/动态vNPU等基础调度能力，支持NPU亲和性调度与潮汐调度，满足不同场景下的作业调度需求。
特性名称 介绍 Released NPU基础调度 NPU基础调度 ✅ 亲和性调度 亲和性调度 ✅ 潮汐调度 潮汐调度 ✅ -
训练高可靠
提供训练任务的故障检测与恢复能力，覆盖预训练阶段的断点续训和后训练（强化学习）任务的重调度与快速恢复，提升训练任务的可靠性与故障恢复效率。
特性名称 介绍 Released 预训练故障恢复 预训练故障恢复（断点续训） ✅ 后训练故障恢复 后训练故障恢复（verl强化学习任务最佳实践） ✅ -
推理高可靠
提供推理任务的故障检测与恢复能力，覆盖推理阶段的断点续训和后推理（强化学习）任务的重调度与弹性容错，提升推理任务的可靠性与故障恢复效率。
应用编排组件 服务化组件 推理引擎 介绍 Released OME OME SGLang SGLang推理任务最佳实践 ✅ AIBrix AIBrix vLLM vLLM推理任务最佳实践 ✅ Infer Operator MindIE PyMotor/vLLM Proxy vLLM Infer Operator推理任务最佳实践 ✅ Ascend Operator MindIE CMotor MindIE LLM MindIE CMotor推理任务最佳实践（已日落） ✅
故障诊断
- 日志诊断工具
| 特性名称 | 介绍 | Released |
|---|---|---|
| 日志清洗 | 日志清洗 | ✅ |
| 故障诊断 | 故障诊断 | ✅ |
| 单机故障诊断 | 单机故障诊断 | ✅ |
| 超节点故障诊断 | 超节点故障诊断 | ✅ |
| 自定义故障实体 | 自定义故障实体 | ✅ |
| 屏蔽故障日志 | 屏蔽故障日志 | ✅ |
| 自定义配置文件 | 自定义配置文件 | ✅ |
| 业务日志清洗（SDK） | 业务日志清洗（SDK） | ✅ |
| 根因节点清洗及诊断（SDK） | 根因节点清洗及诊断（SDK） | ✅ |
| 故障事件清洗及诊断（SDK） | 故障事件清洗及诊断（SDK） | ✅ |
- 链路诊断工具
| 特性名称 | 介绍 | Released |
|---|---|---|
| 日志采集 | 日志采集 | ✅ |
| 日志清洗 | 日志清洗 | ✅ |
| 故障诊断 | 故障诊断 | ✅ |
| 故障巡检 | 故障巡检 | ✅ |
| 诊断 / 巡检报告说明 | 诊断 / 巡检报告说明 | ✅ |
| 在线诊断 | 在线诊断 | ✅ |
| 离线诊断 | 离线诊断 | ✅ |
| 分批诊断 | 分批诊断 | ✅ |
| 客户定制化巡检 | 客户定制化巡检 | ✅ |
集群调度
MindCluster提供两种快速入门路径：
- 10分钟快速入门：仅部署Ascend Device Plugin和Ascend Docker Runtime，使用Kubernetes原生调度器调度普通Pod，快速验证NPU资源调度能力。
- 训练业务快速入门：部署完整的集群调度组件（NodeD、Ascend Device Plugin、Ascend Docker Runtime、Volcano、ClusterD、Ascend Operator），以PyTorch训练任务为例，体验端到端的训练流程。
详细操作请参考：快速入门
故障诊断
集群调度
支持多种安装方式：
- 使用Helm安装（推荐）：通过Helm Chart一键部署集群调度组件。
- 手动安装：分步安装各组件，适合自定义配置场景。
- 使用工具安装：通过自动化工具快速完成安装部署。
安装前请阅读安装前必读和环境依赖，详细操作请参考：安装指南。
故障诊断
集群调度
MindCluster集群调度用户指南覆盖从环境部署、资源管理到训练推理业务运行的全流程。指南支持Helm、手动、工具等多种安装方式完成环境部署；通过容器化支持、资源监测、虚拟化实例（vNPU）等特性实现资源的管理与监控；提供整卡调度、亲和性调度、多级调度、潮汐调度等调度能力，满足不同场景的作业调度需求；同时依托断点续训提升训练任务可靠性；并提供MindIE Motor、SGLang、vLLM、Infer Operator等推理框架的最佳实践。具体特性介绍及使用指南请参考：集群调度用户指南。
故障诊断
- 日志诊断工具提供日志清洗、故障诊断两大核心功能。当训练或推理任务发生异常退出或性能劣化时，ascend-fd 可自动提取集群日志中的关键信息，分析故障根因节点和故障事件，帮助用户快速定位问题。具体操作请参考：日志诊断工具特性指南。
- 链路诊断工具提供交互式与非交互式两种操作模式，具备在线数据自动采集与离线日志清洗两种数据处理能力，可完成集群设备信息采集与自动化巡检诊断，通过服务器、L1/L2 灵衢交换机、RoCE 交换机及 BMC 信息定位集群的链路故障。具体操作请参考：链路诊断工具特性指南。
版本分支的维护阶段如下：
| 状态 | 时间 | 说明 |
|---|---|---|
| 计划 | 1-3个月 | 计划特性 |
| 开发 | 3个月 | 开发新特性并修复问题，定期发布新版本 |
| 维护 | 6个月 | 常规分支维护6个月。对重大BUG进行修复，不合入新特性，并视BUG的影响发布补丁版本 |
| 生命周期终止（EOL） | N/A | 分支不再接受任何修改 |
当前版本维护策略如下：
| 版本 | 维护策略 | 当前状态 | 发布日期 | 后续状态 | EOL日期 |
|---|---|---|---|---|---|
| master | 长期支持 | 开发 | 在研分支，不发布 | - | |
| v26.1.0 | 常规分支 | 维护 | 2026-08-03 | 2027-02-03 | |
| v26.0.0 | 常规分支 | 维护 | 2026-04-15 | 2026-10-15 | |
| v7.3.0 | 长期支持 | 维护 | 2026-01-13 | 2026-12-30 | |
| v7.2.RC1 | 常规分支 | 维护 | 2025-10-25 | 预计2026-01-25起进入无维护状态 | 2026-01-25 |
| v7.1.RC1 | 常规分支 | EOL | 2025-07-24 | 2025-10-24 | |
| v7.0.RC1 | 常规分支 | EOL | 2025-04-27 | 2025-07-27 | |
| v6.0.0 | 长期支持 | 维护 | 2024-12-31 | 预计2025-12-31起进入无维护状态 | |
| v6.0.RC3 | 常规分支 | EOL | 2024-11-20 | 2025-02-20 | |
| v6.0.RC2 | 常规分支 | EOL | 2024-11-20 | 2025-02-20 | |
| v6.0.RC1 | 常规分支 | EOL | 2024-11-20 | 2025-02-20 | |
| v5.0.0 | 长期支持 | EOL | 2023-11-20 | 2024-11-20 |
- 详细的贡献流程，请参考贡献指南。
🔹 《版本说明》
🔹 《许可证声明》
🔹 《文档许可证声明》
🔹 《第三方开源软件声明》
欢迎大家为社区做贡献。如果有任何疑问或建议，请提交issue，我们会尽快回复。感谢您的支持。