Quiz : HPC IA, observabilité et sécurité

Mode de lecture

IngénieurDécideur

Dix questions pour vérifier ce que vous retenez de la formation. Chaque réponse est corrigée immédiatement, avec une explication et un lien vers la leçon concernée. Rien n’est envoyé : votre meilleur score reste dans ce navigateur.

1. Question 1 sur 10Dans un nœud GPU, par quel lien les GPU communiquent-ils entre eux ?Une seule réponse

   • InfiniBand ou RoCE
   • NVLink
   • Le stockage parallèle Lustre
   • L'ordonnanceur Slurm

   Valider

2. Question 2 sur 10Parmi ces familles de signaux, lesquelles font partie des quatre familles à collecter sur un cluster HPC IA ?Plusieurs réponses possibles

   • GPU : utilisation des SM, bande passante HBM, erreurs ECC
   • Facturation : coût horaire de chaque nœud
   • Modèle : perte, norme des gradients, durée de pas, latence AllReduce
   • Stockage : débit Lustre, latence des métadonnées

   Valider

3. Question 3 sur 10Passerelle : businessDans l'exemple illustratif de la leçon (valeurs construites, pas une mesure), un GPU affiché à 87 % d'utilisation ne calcule utilement qu'environ 19 % du pas. Que mesure réellement l'utilisation GPU ?Une seule réponse

   • La part du temps où les tensor cores effectuent des multiplications de matrices
   • La consommation électrique rapportée à la puissance maximale
   • Le fait que le GPU ait quelque chose en cours, y compris l'attente d'une communication collective

   Valider

4. Question 4 sur 10Pour repérer un traînard qui ralentit tout l'entraînement, quels indicateurs la leçon recommande-t-elle de mesurer ?Plusieurs réponses possibles

   • La durée de pas par rang
   • La décomposition du pas en chargement, calcul et communication
   • Le seul taux d'utilisation GPU moyen du cluster
   • L'occupation des SM et l'utilisation des tensor cores

   Valider

5. Question 5 sur 10Passerelle : organisationComment rattacher concrètement chaque métrique GPU à un job, un utilisateur et un compte, base de la refacturation ?Une seule réponse

   • Avec le label hpc_job que dcgm-exporter ajoute à partir des fichiers de correspondance écrits par le prolog et l'epilog Slurm, puis en reliant le job à l'utilisateur et au compte via sacct ou un exportateur Slurm
   • En joignant le label UUID du GPU des métriques DCGM à une métrique Slurm portant le même UUID
   • En demandant à chaque équipe de déclarer ses heures GPU dans un tableur
   • En installant un agent propriétaire du fabricant de GPU qui envoie les données dans son cloud
   • En réservant un nœud entier à chaque compte

   Valider

6. Question 6 sur 10Vous voulez tracer avec bpftrace les appels à cuMemAlloc_v2 de la bibliothèque libcuda. Quel type de sonde faut-il utiliser ?Une seule réponse

   • Une kprobe
   • Un tracepoint d'appel système
   • Aucune : il faut modifier le code PyTorch pour l'instrumenter
   • Une uprobe

   Valider

7. Question 7 sur 10Quelles affirmations sur Falco et Tetragon sont exactes ?Plusieurs réponses possibles

   • Falco détecte et alerte en temps réel sur des comportements suspects, comme des connexions inattendues ou la modification de binaires.
   • Tous deux exigent d'instrumenter le code d'entraînement.
   • Tetragon peut bloquer une opération non autorisée, par exemple un ioctl CUDA, avant qu'elle aboutisse.

   Valider

8. Question 8 sur 10Le trafic RDMA sur InfiniBand contourne le noyau. D'où peut alors venir la visibilité sur ce trafic ?Une seule réponse

   • Des règles iptables posées sur chaque nœud
   • Des compteurs de la carte et du subnet manager, avec une référence de trafic par job
   • De sondes eBPF attachées à tcp_connect

   Valider

9. Question 9 sur 10Passerelle : métiersVotre cluster est partagé entre plusieurs clients. Quelle parade la leçon propose-t-elle contre la lecture, par un job, des poids laissés en mémoire GPU par le job précédent ?Une seule réponse

   • Chiffrer les points de reprise sur Lustre
   • Isoler le réseau par partitions InfiniBand (P_Key)
   • Effacer explicitement la mémoire ou réinitialiser le GPU dans le prolog ou l'epilog et, selon le besoin, isoler les clients par MIG ou par le mode d'informatique confidentielle

   Valider

10. Question 10 sur 10Passerelle : humainSelon la formation, pourquoi les équipes sécurité et exploitation ont-elles intérêt à travailler ensemble sur un cluster HPC IA ?Une seule réponse

    • Parce que la sécurité s'appuie sur la même pile que l'observabilité : mêmes collecteurs, même stockage, mêmes tableaux de bord
    • Parce que la loi impose une équipe unique pour ces deux fonctions
    • Parce que les outils de sécurité classiques suffisent à surveiller le trafic RDMA

    Valider

Recommencer

Pour aller plus loin

• Présentation de la formation
• Comprendre le HPC
• Glossaire
• Passerelles

PasserellesCe que cette page change au-delà de l'équipe technique.

BusinessValeur, coût, risque

Vous savez distinguer l'utilisation GPU affichée du calcul utile et donc argumenter un achat de matériel sur l'efficacité réelle.

OrganisationQui décide, qui possède

Vous savez rattacher chaque métrique à un job, un utilisateur et un compte, ce qui fonde la refacturation et la réponse à l'auditeur.

HumainÉquipes, astreinte, compétences

Vous voyez pourquoi sécurité et exploitation gagnent à partager une même pile et à travailler ensemble.

MétiersProduit, finance, risque, relation client

Vous savez protéger les poids et les données de chaque client sur une infrastructure partagée et expliquer aux équipes de recherche où passe leur temps d'entraînement.

Pourquoi des passerelles →