Gke Ai Troubleshooting Tpu Vbar Oom

作者 google55b4e13eba6d无许可证21K 个星标收录于 2026年10月8日更新于 2026年10月8日仓库今天更新

Diagnoses and prevents vbar_control_agent segfaults, out-of-memory (OOM) errors, and TPU device initialization failures on TPU v6e nodes in GKE caused by race conditions during TPU device resets or high-frequency metrics polling. Use when troubleshooting vbar_control_agent crashes, memory cgroup OOMs in serial console logs, tpu-device-plugin metrics checksum corruption errors, or custom TPU metrics collection conflicts on GKE TPU v6e nodes. Don't use for general non-TPU container OOM troubleshooting or standard GKE node lifecycle operations.

精选包含脚本DevOps & Cloud

仅公开文件列表。将技能安装到工作区后即可查看文件内容。

路径大小类型
references/failure_signatures.md1.4 KBtext/markdown
scripts/validate_queries.sh993 Btext/plain
SKILL.md6.2 KBtext/markdown

来源与署名

来源:google/skills位于skills/cloud/gke-ai-troubleshooting-tpu-vbar-oom提交55b4e13

许可证: 无许可证

内容归原作者所有。SourceWeft 从公开仓库中收录这些内容。

举报或申请下架

更多来自 google/skills 的技能