资源是怎么申请的

硬件 profile 与卡型 series、配额、时段窗口、多资源池

StarForge 的资源声明只有一个入口：--profile 表达式。你说「哪种卡、几张」，拓扑细节（几节点 × 每节点几卡、并行度调优、NCCL 环境）由服务端注册表补齐——客户端与服务端不可能写出互相矛盾的资源声明。

​

Profile 与 Series

概念	含义	例子
Series（卡型）	一类算力卡的规格：算力权重、显存、Ray 资源 pin、Slurm constraint、总卡数	h200、h100
Profile	卡型 + 默认形状 + 该形状下的调优覆盖（并行度、vLLM 显存比等）	h200（1×8）、h200-2g（1×2）、h100（1×1）

sf status                        # 查看你可用的 profile 与集群水位
sf submit my-exp --profile h200          # 注册表默认形状（1 节点 8 卡）
sf submit my-exp --profile h200:4        # 4 张卡
sf submit my-exp --profile h200:16       # 16 卡 = 2 满节点

Profile 注册表由管理员维护（内置默认 + FORGE_HARDWARE_SERIES / FORGE_CLUSTER_PROFILES 覆盖），随 profile 下发的还有进程环境（NCCL / Ray 内存阈值 / PyTorch 分配器）与框架覆盖项（并行度全 1、vLLM gpu_memory_utilization 等）——这些不在实验 config 里，换卡型不用改实验。

​

多资源池（异构训练）

RL 训练的 train 与 rollout 可以钉在不同卡型上（如 H100 训练 + H20 采样），--profile 重复出现并带角色前缀：

sf submit my-exp \
  --profile train=h200:8 \
  --profile rollout=h100:2

装配层按后端翻译：kuberay 每池一个 worker group（nodeSelector 按卡型标签，Ray 自定义资源 pin）；slurm 每池一个 hetjob 组件，--constraint 来自卡型的 slurm_constraint。各池 gpus_per_node 必须一致。Slurm 遇到没声明 constraint 的卡型直接拒。local 和 agent（Phase 1，一作业一节点）不支持多池。

​

配额

管理员按用户设置软配额，提交与出队时执法：

维度	说明
并发 GPU 上限	运行中 + 排队保留的总卡数
并发作业上限	同时活跃的作业数
每日 GPU-时	按天累计的用量上限（0 = 不限）
允许的 profile	限定可用卡型（空 = 全部）
优先级	排队顺序权重

超配额的提交会进入队列等待（而不是直接拒绝），控制台 用量 页与 sf status 都能看到当前水位。

​

时段窗口

管理员可按卡型设置每日可运行时段（如白天推理优先、夜间训练放开）。窗口关闭时：

• 新作业不出队（窗口剩余时间不足配置阈值也不放行）；
• 运行中的作业收到宽限期后被暂停，保留 checkpoint；
• 窗口再次打开后自动恢复续训。

​

GPU 台账

每个作业记录 gpu_seconds（实际占卡时长 × 卡数），日报与用量页按此计量。仿真模式（无 GPU 的测试环境）下记账语义不变——见 E2E 闭环测试。