SKILLOfficialdevelopment

hyperpod-issue-report

プラグイン: sagemaker-ai
ソース: GitHub で見る ↗

説明

HyperPod クラスター（EKS および Slurm）から診断ログと設定情報を収集し、包括的な問題報告書を生成します。トラブルシューティング（問題解決）および AWS サポートへのサポートケースに活用できます。 **次のような場合に使用:** - ユーザーが HyperPod クラスターのノード（コンピュータのグループ構成要素）から診断情報を収集する必要がある - AWS サポート向けの問題報告書を生成する - ノードの障害やパフォーマンス問題を調査する - クラスターの状態を記録する - 診断スナップショット（特定時点の状態の記録）を作成する複数のノードからログとシステム情報を集める必要がある問題報告書の生成、診断情報の収集、サポートケースの準備、またはクラスターのトラブルシューティングに関するリクエストが対象となります。

原文を表示

Generate comprehensive issue reports from HyperPod clusters (EKS and Slurm) by collecting diagnostic logs and configurations for troubleshooting and AWS Support cases. Use when users need to collect diagnostics from HyperPod cluster nodes, generate issue reports for AWS Support, investigate node failures or performance problems, document cluster state, or create diagnostic snapshots. Triggers on requests involving issue reports, diagnostic collection, support case preparation, or cluster troubleshooting that requires gathering logs and system information from multiple nodes.

ユースケース

HyperPodクラスターから診断情報を収集する
AWS サポート向けの問題報告書を生成する
ノードの障害やパフォーマンス問題を調査する
クラスターの状態を記録する
診断スナップショットを作成する

本文（日本語訳）

HyperPod Issue Report

HyperPodクラスタのノード（コンピュート資源を構成する個別マシン）から診断ログを収集し、S3（Amazon クラウドストレージサービス）に保存します。EKSとSlurm（計算ジョブ管理システム）の両方のクラスタに対応し、自動判定します。同梱の scripts/hyperpod_issue_report.py を使用して、信頼性の高い並列収集を実現します。

前提条件

AWS CLIが以下の権限で設定されていること: sagemaker:DescribeCluster、sagemaker:ListClusterNodes、ssm:StartSession、s3:PutObject、s3:GetObject、eks:DescribeCluster
Python 3.8以上と uv（uvのインストール方法を参照）
SSM Agent（リモート接続用ソフト）がターゲットノードで実行中。ノードのIAMロール（アクセス権限設定）にはレポートバケット上の s3:GetObject/s3:PutObject が必要
EKSクラスタの場合: kubectlがインストール・設定されていること（下記ワークフローステップ2参照）

ワークフロー

1. 情報収集

ユーザーから以下を確認:

クラスタ識別子（必須）: クラスタ名またはクラスタARN全体を入力（例: arn:aws:sagemaker:us-west-2:123456789012:cluster/abc123）
AWSリージョン（ARNから抽出できない場合は必須）
S3パス（ログ保存先、必須。例: s3://bucket/prefix）。ユーザーがバケットを持っていない場合は作成（例: s3://hyperpod-diagnostics-<account-id>-<region>）
問題の説明（任意）
対象範囲: 全ノード、特定のインスタンスグループ、または特定のノードID（任意）

2. 環境確認

aws sts get-caller-identity
aws sagemaker describe-cluster --cluster-name <name-or-arn> --region <region>

S3バケットが存在しない場合は作成:

aws s3 mb s3://<bucket-name> --region <region>

EKSクラスタの場合（describe-clusterの出力で Orchestrator.Eks を確認）:

kubectlがインストール済みか確認（which kubectl）。なければ現在のプラットフォーム用にインストール
describe-clusterの応答から得たEKSクラスタ名を使用して kubeconfig を設定:
```
aws eks update-kubeconfig --name <eks-cluster-name> --region <region>
```

3. 収集スクリプト実行

uv run scripts/hyperpod_issue_report.py \
  --cluster <cluster-name-or-arn> \
  --region <region> \
  --s3-path s3://<bucket>[/prefix]

--help で全オプション（--instance-groups、--nodes、--max-workers、--debugなど）を表示。--instance-groups と --nodes は同時指定不可。ノード識別子はインスタンスID（i-*）、EKS名（hyperpod-i-*）、またはSlurm名（ip-*）に対応。

4. 結果表示

収集終了後、スクリプトが統計情報を表示し、対話的なダウンロードを提供します。S3の保存先を報告し、以下の対応を提案:

ローカルへのレポートダウンロード
収集した診断情報の分析支援（各ファイルの内容は references/collection-details.md を参照）
AWS Supportへの提出用サマリー作成

トラブルシューティング

エラー対応、大規模クラスタの調整方法、既知の制限事項については references/troubleshooting.md を参照してください。

原文（English）を表示

HyperPod Issue Report

Collect diagnostic logs from HyperPod cluster nodes via SSM, store results in S3. Supports both EKS and Slurm clusters with auto-detection. Uses the bundled scripts/hyperpod_issue_report.py for reliable parallel collection.

Prerequisites

AWS CLI configured with permissions: sagemaker:DescribeCluster, sagemaker:ListClusterNodes, ssm:StartSession, s3:PutObject, s3:GetObject, eks:DescribeCluster
Python 3.8+ and uv (see uv installation docs for install options)
SSM Agent running on target nodes; node IAM roles need s3:GetObject/s3:PutObject on the report bucket
For EKS clusters: kubectl installed and configured (see Workflow step 2)

Workflow

1. Gather Information

Collect from the user:

Cluster identifier (required): accepts cluster name or full cluster ARN (e.g., arn:aws:sagemaker:us-west-2:123456789012:cluster/abc123)
AWS region (required unless extractable from ARN)
S3 path for report storage (required, e.g. s3://bucket/prefix). If the user doesn't have a bucket, create one (e.g., s3://hyperpod-diagnostics-<account-id>-<region>)
Issue description (optional)
Target scope: all nodes, specific instance groups, or specific node IDs (optional)

2. Verify Environment

aws sts get-caller-identity
aws sagemaker describe-cluster --cluster-name <name-or-arn> --region <region>

If the S3 bucket doesn't exist, create it:

aws s3 mb s3://<bucket-name> --region <region>

For EKS clusters (check Orchestrator.Eks in describe-cluster output):

Ensure kubectl is installed (which kubectl). If missing, install it for the current platform.
Configure kubeconfig using the EKS cluster name from the describe-cluster response:
```
aws eks update-kubeconfig --name <eks-cluster-name> --region <region>
```

3. Run the Collection Script

uv run scripts/hyperpod_issue_report.py \
  --cluster <cluster-name-or-arn> \
  --region <region> \
  --s3-path s3://<bucket>[/prefix]

Use --help for all options including --instance-groups, --nodes, --max-workers, and --debug. Note: --instance-groups and --nodes are mutually exclusive. Node identifiers accept instance IDs (i-*), EKS names (hyperpod-i-*), or Slurm names (ip-*).

4. Present Results

After collection, the script shows statistics and offers interactive download. Report the S3 location and offer to:

Download the report locally
Help analyze collected diagnostics (see references/collection-details.md for what's in each file)
Prepare a summary for AWS Support

Troubleshooting

See references/troubleshooting.md for error handling, large cluster tuning, and known limitations.

原文・著作権は Anthropic および各プラグイン作者に帰属します。日本語訳は Claude API による自動翻訳です。

SKILLOfficialdevelopment

hyperpod-issue-report

プラグイン: sagemaker-ai
ソース: GitHub で見る ↗

説明

原文を表示

ユースケース

HyperPodクラスターから診断情報を収集する
AWS サポート向けの問題報告書を生成する
ノードの障害やパフォーマンス問題を調査する
クラスターの状態を記録する
診断スナップショットを作成する

本文（日本語訳）

HyperPod Issue Report

前提条件

AWS CLIが以下の権限で設定されていること: sagemaker:DescribeCluster、sagemaker:ListClusterNodes、ssm:StartSession、s3:PutObject、s3:GetObject、eks:DescribeCluster
Python 3.8以上と uv（uvのインストール方法を参照）
SSM Agent（リモート接続用ソフト）がターゲットノードで実行中。ノードのIAMロール（アクセス権限設定）にはレポートバケット上の s3:GetObject/s3:PutObject が必要
EKSクラスタの場合: kubectlがインストール・設定されていること（下記ワークフローステップ2参照）

ワークフロー

1. 情報収集

ユーザーから以下を確認:

クラスタ識別子（必須）: クラスタ名またはクラスタARN全体を入力（例: arn:aws:sagemaker:us-west-2:123456789012:cluster/abc123）
AWSリージョン（ARNから抽出できない場合は必須）
S3パス（ログ保存先、必須。例: s3://bucket/prefix）。ユーザーがバケットを持っていない場合は作成（例: s3://hyperpod-diagnostics-<account-id>-<region>）
問題の説明（任意）
対象範囲: 全ノード、特定のインスタンスグループ、または特定のノードID（任意）

2. 環境確認

aws sts get-caller-identity
aws sagemaker describe-cluster --cluster-name <name-or-arn> --region <region>

S3バケットが存在しない場合は作成:

aws s3 mb s3://<bucket-name> --region <region>

EKSクラスタの場合（describe-clusterの出力で Orchestrator.Eks を確認）:

kubectlがインストール済みか確認（which kubectl）。なければ現在のプラットフォーム用にインストール
describe-clusterの応答から得たEKSクラスタ名を使用して kubeconfig を設定:
```
aws eks update-kubeconfig --name <eks-cluster-name> --region <region>
```

3. 収集スクリプト実行

uv run scripts/hyperpod_issue_report.py \
  --cluster <cluster-name-or-arn> \
  --region <region> \
  --s3-path s3://<bucket>[/prefix]

4. 結果表示

収集終了後、スクリプトが統計情報を表示し、対話的なダウンロードを提供します。S3の保存先を報告し、以下の対応を提案:

ローカルへのレポートダウンロード
収集した診断情報の分析支援（各ファイルの内容は references/collection-details.md を参照）
AWS Supportへの提出用サマリー作成

トラブルシューティング

エラー対応、大規模クラスタの調整方法、既知の制限事項については references/troubleshooting.md を参照してください。

原文（English）を表示

HyperPod Issue Report

Prerequisites

AWS CLI configured with permissions: sagemaker:DescribeCluster, sagemaker:ListClusterNodes, ssm:StartSession, s3:PutObject, s3:GetObject, eks:DescribeCluster
Python 3.8+ and uv (see uv installation docs for install options)
SSM Agent running on target nodes; node IAM roles need s3:GetObject/s3:PutObject on the report bucket
For EKS clusters: kubectl installed and configured (see Workflow step 2)

Workflow

1. Gather Information

Collect from the user:

Cluster identifier (required): accepts cluster name or full cluster ARN (e.g., arn:aws:sagemaker:us-west-2:123456789012:cluster/abc123)
AWS region (required unless extractable from ARN)
S3 path for report storage (required, e.g. s3://bucket/prefix). If the user doesn't have a bucket, create one (e.g., s3://hyperpod-diagnostics-<account-id>-<region>)
Issue description (optional)
Target scope: all nodes, specific instance groups, or specific node IDs (optional)

2. Verify Environment

aws sts get-caller-identity
aws sagemaker describe-cluster --cluster-name <name-or-arn> --region <region>

If the S3 bucket doesn't exist, create it:

aws s3 mb s3://<bucket-name> --region <region>

For EKS clusters (check Orchestrator.Eks in describe-cluster output):

Ensure kubectl is installed (which kubectl). If missing, install it for the current platform.
Configure kubeconfig using the EKS cluster name from the describe-cluster response:
```
aws eks update-kubeconfig --name <eks-cluster-name> --region <region>
```

3. Run the Collection Script

uv run scripts/hyperpod_issue_report.py \
  --cluster <cluster-name-or-arn> \
  --region <region> \
  --s3-path s3://<bucket>[/prefix]

4. Present Results

After collection, the script shows statistics and offers interactive download. Report the S3 location and offer to:

Download the report locally
Help analyze collected diagnostics (see references/collection-details.md for what's in each file)
Prepare a summary for AWS Support

Troubleshooting

See references/troubleshooting.md for error handling, large cluster tuning, and known limitations.

原文・著作権は Anthropic および各プラグイン作者に帰属します。日本語訳は Claude API による自動翻訳です。