我正在使用 AWS batch为了执行作业，我正在计算要按内容大小使用的初始内存。大约 90% 的情况下它成功了，但 10% 的情况下它失败了 OutOfMemory error .
因此，对于此失败作业的下一次尝试，我想增加内存并再次提交作业。我无法使用 AWS 批处理 Job Attempts为此，我需要一个不同的 故障转移策略 .
我可以使用的一种方法是让 lambda 每 1 小时检查一次作业状态，如果失败，则使用额外的内存再次提交作业。
还有其他更好的方法可以为 AWS Batch 作业制定故障转移策略吗？
最佳答案
好问题;我不知道有任何调度程序(LSF、SLURM、AWS Batch)支持这一点，因为恕我直言，这并不是调度程序应该做的——更多的是执行您的工作流程的引擎(想想 nextflow/ehive )；
您可以使用 AWS 'containerInsights' 监控您的容器状态 - 请参阅
https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/Container-Insights-metrics-ECS.html
希望这可以帮助你。
关于amazon-web-services - AWS Batch 故障转移策略，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45860849/