RLark Web 控制台文档

主题

功能可用情况与限制 ​

本页帮助你判断一项功能可以直接使用、需要配置工作负载或接入外部服务，还是应先请平台管理员确认。界面中出现入口并不代表所有环境都已经配置该功能。

状态如何处理
可使用按对应指南操作，并在目标任务中检查结果。
需配置工作负载RLark 提供运行、挂载或代理能力；把所需代码、配置、数据或输出路径放入镜像、脚本或挂载，再从任务结果验证。
需接入外部服务先确认目标环境允许访问，再在工作负载中配置外部服务并检查运行记录。
需完成任务预检提交前核对表单无法判断的镜像内容、应用配置、路径和外部链路。
使用前确认先由平台管理员确认目标环境、权限和端到端链路。
暂不可用控制台或后端没有提供可依赖的结果。

准备 RLinf 任务 ​

功能状态使用方式或限制
RLinf 版本兼容使用前确认没有统一的 RLinf 版本、分支或 commit 兼容矩阵。每次运行都要固定代码来源和镜像 digest，并按RLark 与 RLinf完成确认。
RLinf 来源与适配需配置工作负载RLark 按镜像中的代码启动工作负载，不区分上游、fork 或适配层。请在本次运行记录中保存来源、commit、必要补丁和镜像 digest。
Hydra 配置需配置工作负载Hydra 配置随镜像、外部文件和命令行 override 进入工作负载。Job 定义资源和运行结构；YAML 预览不合并或展示最终 Hydra 配置。
角色与放置可使用使用角色、nodeSelector、副本、GPU 和设备资源指定落点。把 node_groups、component_placement、hardware rank 和 env_configs 逐项映射到这些字段。见任务创建字段。
启动前检查需完成任务预检表单只做字段级检查。提交前按训练任务启动前检查核对 Hydra、镜像内容、路径、placement 和机器人连通性。

运行和排查任务 ​

功能状态使用方式或限制
Ray 生命周期可使用Kubernetes Task 会为 Job 启动 Ray Head 和 Worker，不会连接已有 Ray 集群。Head Task 必须只有一个副本。
RLINF_NODE_RANK 与准备脚本可使用RLark 在 ray start 前计算 rank 并执行角色准备脚本。不要覆盖平台保留变量。见运行环境与环境变量。
任务状态可使用，但需结合业务信号Task 和 Pod 状态可用于判断调度与运行情况。StatefulSet Task 不会可靠上报业务成功或失败；训练结论应来自日志、指标、checkpoint 和持久输出。
Worker 重试历史暂不可用控制台不显示 attempt 编号、实例替换关系、终止时间或完整 previous logs。同名 Worker 行不能单独用于建立重试顺序。
停止和恢复可使用恢复任务会重新创建进程，不会恢复 Ray actor 或容器内存。只有运行命令明确读取持久 checkpoint 时，训练才会从已保存状态继续。
自动故障分类暂不可用可以查看状态和原始日志，但没有覆盖 Pending、镜像、GPU、Ray、NCCL、网络、/dev/shm 和机器人错误的统一分类器。

状态判断和排障步骤见状态与生命周期和训练任务与 Worker 排障。

记录指标、checkpoint 和运行信息 ​

功能状态使用方式或限制
Job 指标暂不可用Job metrics 接口返回 501 Not Implemented。任务详情页和 Worker 展开区中的占位数字不能作为训练指标。
TensorBoard需配置工作负载RLark 可以代理 Head Task 的 TensorBoard。训练程序需要把 event 文件写入配置目录，并将该目录放在需要持久保存的挂载中。
W&B 与 SwanLab需接入外部服务目标环境允许外部连接时，在工作负载中配置 W&B 或 SwanLab 并检查运行记录。RLark 不托管或代理这两类服务。见配置实验追踪。
Checkpoint需配置工作负载RLark 提供存储挂载；训练程序需要按自身布局写入持久 checkpoint，并通过 resume_dir 读取目标记录。RLark 不检查 FSDP/Megatron 写入的原子性或完整性，也不自动选择恢复位置。见保留并恢复 RLinf 训练。
数据与产物关联暂不可用控制台没有专门记录数据集、模型、LoRA、checkpoint、评测结果、视频和 Git commit 关系的功能。
跨运行比较暂不可用控制台不能按配置、指标或视频比较多个运行。

为了复现运行，请在版本控制和实验记录中保存镜像 digest、代码 commit、原始与解析配置、命令行 override、数据和模型版本、Job YAML、输出前缀及外部跟踪 ID。

使用存储、网络和机器人资源 ​

功能状态使用方式或限制
对象存储与文件浏览使用前确认StorageClass、Secret、PVC、CSI 和容器挂载必须在每个目标集群中正常工作。在指定的测试前缀中使用不含敏感信息、名称唯一的小文件，验证列出、上传、下载和任务内读取。
hostPath使用前确认只在被调度节点的本地路径上有效。重调度后，路径可能不存在或内容不同；不要把它当作跨节点共享存储。
网络域使用前确认Domain、网络组件和跨集群通道必须在目标环境完成双向端口测试。RLark 不会自动选择 RLINF_COMM_NET_DEVICES。见网络域。
节点类别可使用云算力、端算力和端真机由 rlark.io/node-category 标签区分；其他值或缺少标签会归入“其他”。
具身实时通道使用前确认传感器、视频、控制和健康状态的支持范围由目标环境的设备接入方案决定。
真实机器人操作暂不操作在设备独占、人工确认、动作边界、急停、断连安全状态和恢复授权全部完成前，不要下发真机动作。见真实机器人安全要求。

使用高权限入口和自动化 ​

功能状态使用方式或限制
控制台登录可用于进入界面用户端和管理端使用不同入口。浏览器登录状态不是 API 凭据，也不能替代组织的身份认证和授权。
RBAC、租户隔离与审计使用前确认共享或生产环境中，先从平台与安全负责人处取得角色权限、资源隔离、操作审计、凭据脱敏和轮换方式。见安全与治理。
SSH 与 WebTerminal使用前确认这些入口可以访问运行中的容器和挂载。只有获授权人员可以使用；不要输出 Secret，也不要把容器内临时修改当作持久配置。
配额和成本估算暂不可用控制台没有面向用户的配额、排队和成本估算结果。提交前向平台管理员确认可用资源和用量规则。
Workflow DAG使用前确认Workflow 可以表达依赖并创建子 Job，但会受到 StatefulSet Job 无法可靠上报终态的限制。见工作流。
API 与 CLI使用前确认只有平台管理员提供匹配目标环境的端点、认证、授权和版本信息后，才能用于自动化。见API 与 CLI。
YAML 预览可使用用于核对即将提交的 Job CRD；不能用作通用 YAML 导入、版本迁移或审计记录。
环境版本与支持使用前确认向平台管理员确认环境版本、维护窗口、兼容要求和问题处理渠道。

发现页面行为与本页不一致时，记录环境、页面、时间、资源名称和错误信息，再交给平台管理员确认。不要通过创建、停止、删除、终端命令或机器人动作来试探权限或功能。