# Prometheus

Meta披露Prometheus集群运维细节，中断率降99%

Meta披露Prometheus集群运维细节，中断率降99%。该集群每节点预留8块备用GPU，通过热备件机制与分布式检查点架构，将每8000块GPU日均中断从1000次降至约11次，有效应对超大规模训练中的硬件故障挑战。