NVIDIA Mission Control 2.5 如何为 Kubernetes 带来自主恢复能力

NVIDIA 发布 Mission Control 2.5，为 Kubernetes 集群提供自主故障恢复能力，提升大规模 GPU 集群运行 AI 工厂时的韧性与正常运行时间。该版本延续数据中心长期使用的 MTTR（平均修复时间）与 MTBF（平均故障间隔时间）指标思路，在数千 GPU 规模的训练场景中内置监控与自动化机制，缩短故障修复时间。