Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Problèmes liés au déploiement des modèles
**Présentation : ** cette section couvre les problèmes courants qui surviennent lors du déploiement du modèle, notamment les états en attente, les échecs de déploiement et le suivi de la progression du déploiement.
## Le déploiement du modèle est bloqué en attente
Lors du déploiement d'un modèle, le déploiement reste dans l'état « En attente » pendant une période prolongée. Cela indique que l'opérateur d'inférence n'est pas en mesure de lancer le déploiement du modèle dans votre HyperPod cluster.
**Composants concernés : **
Lors d'un déploiement normal, l'opérateur d'inférence doit :
+ Déployer un module de modèle
+ Création d'un équilibreur de charge
+ Créer un point de terminaison SageMaker IA
**Étapes de résolution des problèmes : **
1. Vérifiez l'état du module de l'opérateur d'inférence :
```
kubectl get pods -n hyperpod-inference-system
```
Exemple de sortie attendu :
```
NAME READY STATUS RESTARTS AGE
hyperpod-inference-operator-controller-manager-65c49967f5-894fg 1/1 Running 0 6d13h
```
1. Consultez les journaux des opérateurs d'inférence et examinez les journaux des opérateurs pour détecter les messages d'erreur :
```
kubectl logs hyperpod-inference-operator-controller-manager-5b5cdd7757-txq8f -n hyperpod-inference-operator-system
```
**Ce qu'il faut rechercher : **
+ Messages d'erreur dans les journaux de l'opérateur
+ État du module opérateur
+ Tout avertissement ou échec lié au déploiement
**Note**
Un déploiement en bonne santé doit dépasser l'état « En attente » dans un délai raisonnable. Si les problèmes persistent, consultez les journaux des opérateurs d'inférence pour y trouver des messages d'erreur spécifiques afin d'en déterminer la cause première.
## Résolution de l'état d'échec du déploiement du modèle
Lorsqu'un déploiement de modèle passe à l'état « Échec », l'échec peut se produire dans l'un des trois composants suivants :
+ Déploiement d'un module modèle
+ Création d'un équilibreur de charge
+ SageMaker Création de terminaux d'IA
**Étapes de résolution des problèmes : **
1. Vérifiez l'état de l'opérateur d'inférence :
```
kubectl get pods -n hyperpod-inference-system
```
Sortie attendue :
```
NAME READY STATUS RESTARTS AGE
hyperpod-inference-operator-controller-manager-65c49967f5-894fg 1/1 Running 0 6d13h
```
1. Consultez les journaux des opérateurs :
```
kubectl logs hyperpod-inference-operator-controller-manager-5b5cdd7757-txq8f -n hyperpod-inference-operator-system
```
**Ce qu'il faut rechercher : **
Les journaux de l'opérateur indiqueront quel composant a échoué :
+ Échec du déploiement du Model Pod
+ Problèmes de création d'équilibreurs de charge
+ SageMaker Erreurs liées aux terminaux AI
## Vérifier la progression du déploiement du modèle
Pour suivre la progression du déploiement de votre modèle et identifier les problèmes potentiels, vous pouvez utiliser les commandes kubectl pour vérifier l'état des différents composants. Cela permet de déterminer si le déploiement progresse normalement ou s'il a rencontré des problèmes lors de la création du module de modélisation, de la configuration de l'équilibreur de charge ou des phases de configuration des terminaux d' SageMaker IA.
**Méthode 1 : vérifier l'état du JumpStart modèle **
```
kubectl describe jumpstartmodel.inference.sagemaker.aws.amazon.com/ -n
```
**Indicateurs d'état clés à surveiller : **
1. Statut du déploiement
+ Recherchez `Status.State` : Devrait apparaître `DeploymentComplete`
+ Vérifiez `Status.Deployment Status.Available Replicas`
+ Surveillez `Status.Conditions` la progression du déploiement
1. SageMaker État des terminaux AI
+ Vérifier `Status.Endpoints.Sagemaker.State` : Devrait apparaître `CreationCompleted`
+ Vérifiez `Status.Endpoints.Sagemaker.Endpoint Arn`
1. État du certificat TLS
+ Afficher les `Status.Tls Certificate` détails
+ Vérifiez l'expiration du certificat dans `Last Cert Expiry Time`
**Méthode 2 : vérifier la configuration du point de terminaison d'inférence **
```
kubectl describe inferenceendpointconfig.inference.sagemaker.aws.amazon.com/ -n
```
**Le statut commun stipule : **
+ `DeploymentInProgress`: Phase de déploiement initiale
+ `DeploymentComplete`: Déploiement réussi
+ `Failed`: échec du déploiement
**Note**
Surveillez la section Événements pour détecter tout avertissement ou erreur. Vérifiez que le nombre de répliques correspond à la configuration attendue. Vérifiez que toutes les conditions sont réunies `Status: True` pour un déploiement en bonne santé.