Amazon SageMaker HyperPod 现已支持自定义 Kubernetes 标签和污点，使客户能够控制 Pod 调度并无缝集成到现有的 Kubernetes 基础设施中。在由 EKS 编排的 HyperPod 集群上部署 AI 工作负载的客户需要精确控制工作负载的放置位置，以防止系统 Pod 和非 AI 工作负载消耗昂贵的 GPU 资源，同时确保与 EFA 和 NVIDIA GPU 操作员等自定义设备插件的兼容性。此前，客户必须使用 kubectl 手动应用标签和污点，并在每次节点替换、扩展或修补操作后重新应用，这产生了大量的操作开销。

此功能允许您通过 CreateCluster 和 UpdateCluster API 在实例组级别配置标签和污点，提供了一种在节点整个生命周期内定义和维护调度策略的托管方法。使用新的 KubernetesConfig 参数，您可以为每个实例组指定多达 50 个标签和 50 个污点。标签通过节点选择器实现资源组织和 Pod 定位，而污点则排斥没有匹配容忍度的 Pod，从而保护专用节点。例如，您可以将 NoSchedule 污点应用于 GPU 实例组，以确保只有具有明确容忍度的 AI 训练任务才能消耗高成本计算资源；或者添加自定义标签，使设备插件 Pod 能够正确调度。HyperPod 会在节点创建期间自动应用这些配置，并在替换、扩展和修补操作中保持它们，从而消除了手动干预并减少了操作开销。

此功能在提供 Amazon SageMaker HyperPod 的所有 AWS 区域均可用。要了解更多关于自定义标签和污点的信息，请参阅用户指南。