拓扑感知调度器
topology-aware scheduler
通过掌握GPU和服务器的物理布局与连接结构，将任务分配到最高效位置的调度方式
简单来说
拓扑感知调度器在决定把计算任务放在哪里时，不是简单地找个空位就塞进去，而是会考虑服务器和GPU之间实际的连接方式。这就像在办公室里，把做同一个项目的同事尽量安排坐得近一些，这样开会往返的时间就能减少。因为物理位置相近的GPU之间交换数据的速度要快得多，所以把用于同一任务的GPU尽量集中安排在相近的位置，整体处理速度就会提升。
通常负责分配计算资源的基础管理程序只会检查空位，然后把任务扔进去。而拓扑感知调度器则会同时计算GPU之间的连接结构、各团队预先设定的使用配额，以及实时剩余的资源，据此决定分配方案。因此，即使多个团队共用多台同一物理服务器，各团队的任务也能互不干扰，高效地获得应有的资源份额。
在报道中是这样出现的
文章中提到："KAI Scheduler是专为AI工作负载设计的拓扑感知调度器，支持按团队设置配额和动态GPU分配。"这里容易产生的误解是，以为它会完全取代Kubernetes的默认调度器，但实际上它是与默认调度器并行运作的结构——只有被特别指定使用该调度器的任务才由它处理，其余任务仍由原有的默认调度器处理。