分布式训练集群的作业调度系统

本发明涉及人工智能技术领域，公开了分布式训练集群的作业调度系统，包括：队列管理服务、作业队列、作业部署管理服务、作业分析服务、作业终止管理服务和容错服务；所述作业队列的数量为多个。本发明针对大规模分布式AI训练场景，管理多个队列，通过对训练作业进行分析，适应性执行相应处理，实现对各个训练作业的合理调度，确保各个训练作业具有较高的可用性和可靠性，在存在大量训练作业时也能够保证训练效率和训练效果。