a27e87cb99
Source snapshot: 97d7f0fae96dc04b7ddad56fc1db6a108ed662cc [SEC-CLEAN] · pre-push-clean v1.0 · 109处敏感信息已自动转乱码
152 lines
4.6 KiB
Markdown
152 lines
4.6 KiB
Markdown
# GPU-SCOUT-001 · GPU自动发现+一键部署模块 · 铸渊开发任务单
|
||
|
||
```jsx
|
||
HLDP://shuangyan/module/GPU-SCOUT-001 · 2026-05-12
|
||
├── 提出人: 之之·DEV-004
|
||
├── 记录人: 霜砚·ICE-SY-01
|
||
├── 开发人: 铸渊·ICE-ZY-01
|
||
└── 状态: ⏳ 待铸渊接单
|
||
```
|
||
|
||
## 一、为什么要做这个模块
|
||
|
||
> 之之原话（2026-05-12）：
|
||
>
|
||
|
||
> 「要跑通deploy，需要GPU开机。但我们是共享GPU，关机后就被别人占。没有稳定GPU，就无法测试部署流程。与其被动等GPU，不如先造工具——自动发现可用GPU，随时主动抢占。」
|
||
>
|
||
|
||
**根本矛盾：** 部署流程依赖稳定GPU，但共享GPU随时消失
|
||
|
||
**解法：** GPU自动发现模块 → 被动变主动 → 随时知道哪台GPU可用 → 立即部署
|
||
|
||
---
|
||
|
||
## 二、模块功能定义
|
||
|
||
### 核心能力（MVP）
|
||
|
||
- [ ] **平台扫描**：查询 AutoDL + compshare 账号下所有 GPU 实例状态
|
||
- [ ] **健康检测**：SSH 连通性 + GPU 可用性验证
|
||
- [ ] **信息输出**：返回可用实例的 Host / Port / User / 显存 / 平台
|
||
- [ ] **一键部署**：选定实例后，自动更新 GitHub Secrets → 触发 `guanghulab-core` deploy 工作流
|
||
|
||
### 后续扩展（非MVP）
|
||
|
||
- 多平台自动比价（AutoDL / compshare / 恒源云 / 智星云）
|
||
- 自动抢占：发现有货立即开机并部署
|
||
- 状态写回 Notion
|
||
- 定时轮询 + 通知
|
||
|
||
---
|
||
|
||
## 三、技术方案
|
||
|
||
### 3.1 API 文档
|
||
|
||
| 平台 | API 文档 | SDK |
|
||
| --- | --- | --- |
|
||
| AutoDL | `https://api.autodl.com` · 容器实例Pro API | 无官方SDK · 直接HTTP |
|
||
| compshare | `https://www.compshare.cn/docs/gpus/operationexample` | Python / Go / Java SDK |
|
||
|
||
**AutoDL 关键接口：**
|
||
|
||
- 获取实例列表：`GET /api/v1/dev/instance/list`（需 Authorization token）
|
||
- 查询GPU库存：`POST /api/v1/dev/machine/region/gpu_stock`
|
||
|
||
**compshare 关键接口：**
|
||
|
||
- 参考 GitHub 示例：`github.com/ucloud/compshare-developer-examples`
|
||
- 需要 compshare API Key
|
||
|
||
### 3.2 仓库规划
|
||
|
||
- **仓库位置**：Gitea（[guanghulab.com](http://guanghulab.com) · Forgejo）新建独立仓库
|
||
- **建议仓库名**：`gpu-scout`
|
||
- **理由**：模块独立、可大可小、后续可对接多平台
|
||
|
||
### 3.3 部署触发逻辑
|
||
|
||
```jsx
|
||
gpu-scout 运行流程：
|
||
|
||
① 调 AutoDL API → 获取在线实例列表
|
||
↓ 没有在线实例
|
||
② 调 compshare API → 获取在线实例列表
|
||
↓ 找到可用实例
|
||
③ SSH 健康检测（连通 + python3 + GPU显存）
|
||
↓ 通过
|
||
④ 更新 guanghulab-core GitHub Secrets：
|
||
ZY_DEPLOY_SSH_SG_GPU_001_HOST
|
||
ZY_DEPLOY_SSH_SG_GPU_001_PORT
|
||
ZY_DEPLOY_SSH_SG_GPU_001_USER
|
||
ZY_DEPLOY_SSH_SG_GPU_001_PRIVATE_KEY
|
||
↓
|
||
⑤ 触发 guanghulab-core deploy 工作流
|
||
↓
|
||
⑥ 返回结果（成功 / 失败 + 原因）
|
||
```
|
||
|
||
---
|
||
|
||
## 四、铸渊开发说明
|
||
|
||
### 4.1 前置条件（之之需要提供）
|
||
|
||
| 所需信息 | 来源 | 状态 |
|
||
| --- | --- | --- |
|
||
| AutoDL API Token | AutoDL控制台 → 账号设置 → API Token | ⏳ 之之获取中 |
|
||
| compshare API Key | compshare控制台 → API管理 | ⏳ 之之获取中（冰朔昨天注册了账号） |
|
||
| GitHub PAT（有repo权限） | 用于更新Secrets + 触发工作流 | ✅ 已有（ZY_GITHUB_PAT） |
|
||
| Gitea 新仓库 URL | [guanghulab.com](http://guanghulab.com) 上新建 `gpu-scout` | ⏳ 待建 |
|
||
|
||
### 4.2 MVP 交付物
|
||
|
||
```jsx
|
||
gpu-scout/
|
||
├── src/
|
||
│ ├── autodl.js ← AutoDL API 查询封装
|
||
│ ├── compshare.js ← compshare API 查询封装
|
||
│ ├── health.js ← SSH 健康检测
|
||
│ ├── deploy.js ← 更新Secrets + 触发工作流
|
||
│ └── index.js ← 主入口（CLI）
|
||
├── config/
|
||
│ └── platforms.json ← 平台配置（API端点 + 认证方式）
|
||
├── .env.example
|
||
├── package.json
|
||
└── README.md
|
||
```
|
||
|
||
### 4.3 调用方式（目标）
|
||
|
||
```bash
|
||
# 扫描可用GPU
|
||
node index.js scan
|
||
|
||
# 扫描 + 自动部署
|
||
node index.js deploy --target autodl
|
||
|
||
# 只更新Secrets，不触发部署
|
||
node index.js update-secrets --host xxx --port xxx
|
||
```
|
||
|
||
---
|
||
|
||
## 五、当前阻塞项
|
||
|
||
1. ⏳ **AutoDL API Token** — 之之去控制台获取
|
||
2. ⏳ **compshare API Key** — 冰朔账号下获取
|
||
3. ⏳ **Gitea 新建 `gpu-scout` 仓库** — 之之在 [guanghulab.com](http://guanghulab.com) 建
|
||
4. ⏳ **铸渊接单** — 以上三项就绪后唤醒铸渊
|
||
|
||
---
|
||
|
||
## 六、关联页面
|
||
|
||
- 主控台：ZZ-DEPLOY-001
|
||
- 栖渊工作流仓库：`qinfendebingshuo/guanghulab-core`
|
||
- GPU信息记录：个人线系统恢复锚点（AutoDL SSH信息）
|
||
|
||
---
|
||
|
||
*建档人：霜砚·ICE-SY-01 · 2026-05-12 · 之之提出 · 铸渊待接单* |