alibabacloud-ehpc-instant-job-skill

阿里云E-HPC Instant作业管理技能

技能概述

通过阿里云CLI（优先）或SDK工具，实现对E-HPC Instant计算平台作业及计算资源的全生命周期管理。

交互原则

• 用户友好：使用"您"而非"你"，保持专业而友好的语调
• 透明操作：所有关键配置信息必须向用户展示并获得确认
• 安全第一：遵循最小权限原则，避免意外操作
• 错误处理：提供清晰的错误信息和解决方案
• 格式规范：使用简单、清晰、易读的输出格式

执行流程

• Step1: 配置预加载
• Step2: 前置条件校验
• Step3: 作业管理执行
• Step4: 作业任务执行结果输出

Step 1: 配置预加载

[MUST] 必须首先尝试读取 ./jobconfig/pre-config.json 文件，严禁跳过此检查步骤。

• 文件存在且读取成功：加载其中的参数值，向用户提示预配置已加载并展示关键参数摘要，然后进入 Step 2。
• 文件不存在：向用户提示未检测到预配置文件，将在 Step 2 中通过交互方式获取必要参数，然后进入 Step 2。
• 文件存在但读取/解析失败（如 JSON 格式错误、权限不足等）：向用户报告具体错误信息，询问是否继续（跳过预配置进入 Step 2）或中止执行。

Step 2: 前置条件校验

所有作业管理任务通用校验

1. 阿里云CLI配置：验证CLI已安装并配置AccessKey
   • CLI版本要求 >= 3.3.3：运行 aliyun version 验证版本 >= 3.3.3。若未安装或版本过低，参考 references/aliyun-cli.md 中的安装说明进行安装或更新。
   • [MUST] 运行 aliyun configure set --auto-plugin-install true 启用自动插件安装。
   • [MUST] 运行 aliyun plugin update 确保已安装插件始终为最新版本。
   • 若无配置，引导用户交互式安装和配置
   • 参考：references/aliyun-cli.md
   • [MUST] CLI User-Agent — 每个 aliyun CLI 命令调用必须包含：--user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill
   • 启用阿里云CLI AI模式：运行以下初始化命令，附加本Skill执行的AI身份信息：

   aliyun configure ai-mode enable
   aliyun configure ai-mode set-user-agent --user-agent "AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill"
   aliyun plugin update
   

   阿里云CLI提供了AI模式。启用后，CLI会自动附加AI身份信息，使服务端能够识别并优化Agent调用链路。 [MUST] 在每个退出点禁用AI模式 — 在因任何原因交付最终响应之前，务必先禁用AI模式。这适用于所有退出路径：工作流成功、工作流失败、错误/异常、用户取消、会话结束，或任何不再执行CLI命令的场景。 AI模式仅用于Agent Skill调用场景，技能停止运行后必须保持禁用状态。

   aliyun configure ai-mode disable
   

2. 地域信息：获取用户指定区域或使用默认区域cn-shanghai
3. 权限验证：确保AccessKey具备E-HPC Instant相关权限

创建作业任务专项校验

1. 镜像准备：容器/VM镜像已添加至E-HPC Instant平台
   • 若无镜像，引导用户交互式添加
   • 参考：references/instant-image.md
2. 网络配置：vSwitch已创建并可用
   • 若无vSwitch，引导用户交互式创建
   • 参考：references/vswitch.md
3. 存储配置：NAS挂载路径已准备（如需要）
   • 若需NAS，引导用户交互式配置
   • 参考：references/storage.md
4. 计算资源配置：Cores/Memory或InstanceType规格已指定
   • 引导用户选择合适的资源配置
   • 参考：references/resource.md
5. 执行命令：作业执行命令行已指定
   • 确保命令格式正确（特别是JSON数组格式）
   • 参考：references/job-command.md

Step 3: 作业管理执行

根据用户需求执行相应的作业管理操作

创建作业

1. Container容器作业

aliyun ehpcinstant CreateJob \
    --region cn-shanghai \
    --JobName 'container-job' \
    --Tasks '[{
        "TaskSpec": {
            "TaskExecutor": [{
                "Container": {
                    "Image": "registry.cn-shanghai.aliyuncs.com/registry/image:tag",
                    "Command": "[\"/bin/sh\", \"-c\", \"python /app/main.py\"]"
                }
            }],
            "Resource": {
                "Cores": 2,
                "Memory": 4,
                "Disks": [{"Type":"System","Size":40}]
            },
	    "VolumeMount": [
              {
                "MountPath": "/mnt",
                "VolumeDriver": "alicloud/nas",
                "MountOptions": "{\"server\":\"xxx.cn-shanghai.nas.aliyuncs.com\",\"vers\":\"3\",\"path\":\"/\",\"options\":\"nolock,tcp,noresvport\"}"
              }
            ],
        },
        "ExecutorPolicy": {"MaxCount": 1}
    }]' \
    --DeploymentPolicy '{"Network":{"Vswitch":["vsw-xxxx"]},"AllocationSpec":"Standard"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

2. VM虚拟机作业

aliyun ehpcinstant CreateJob \
    --region cn-shanghai \
    --JobName 'longrunning-job' \
    --JobDescription 'Long-running VM job' \
    --Tasks '[{
        "TaskSpec": {
            "TaskExecutor": [{
                "VM": {
                    "Image": "m-xxxx",
                    "Script": "base64_encoded_script"
                }
            }],
            "Resource": {
                "Disks": [{"Type":"System","Size":50}],
                "InstanceTypes": ["ecs.c6.xlarge"],
                "Cores": 4,
                "Memory": 8
            },
	    "VolumeMount": [
              {
                "MountPath": "/mnt",
                "VolumeDriver": "alicloud/nas",
                "MountOptions": "{\"server\":\"xxx.cn-shanghai.nas.aliyuncs.com\",\"vers\":\"3\",\"path\":\"/\",\"options\":\"nolock,tcp,noresvport\"}"
              }
            ],
        },
        "ExecutorPolicy": {"MaxCount": 1}
    }]' \
    --DeploymentPolicy '{"Network":{"Vswitch":["vsw-xxxx"]},"AllocationSpec":"Standard"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

查询作业列表

# 基本列表查询
aliyun ehpcinstant ListJobs --region cn-shanghai \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 分页查询（推荐用于大量作业）
aliyun ehpcinstant ListJobs --region cn-shanghai --PageSize 10 --PageNumber 1 \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 条件过滤（按状态、时间等）
aliyun ehpcinstant ListJobs --region cn-shanghai --Filter '{"Status":"Running"}' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

获取作业详情

aliyun ehpcinstant GetJob --region cn-shanghai --JobId 'job-xxxx' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

查询作业日志

aliyun ehpcinstant DescribeJobResults --region cn-shanghai --JobId 'job-sh145rw47pegztzdpu7s' --TaskName Task0 --ArrayIndex 0 \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

删除作业

# 删除单个作业
aliyun ehpcinstant DeleteJobs --region cn-shanghai --JobSpec '[{"JobId":"job-xxxx"}]' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

# 批量删除（安全方式）
aliyun ehpcinstant DeleteJobs --region cn-shanghai --JobSpec '[{"JobId":"job-xxxx"},{"JobId":"job-yyyy"}]' \
    --user-agent AlibabaCloud-Agent-Skills/alibabacloud-ehpc-instant-job-skill

[MUST] 幂等删除原则 — 当用户请求删除作业时，即使通过 GetJob 或 ListJobs 查询确认作业已不存在，Agent 仍必须调用 DeleteJobs API 并传入对应 JobId。DeleteJobs API 具备幂等性：作业存在时执行删除，作业不存在时返回标准 NotFound 响应。严禁 Agent 以"作业已不存在"为由自行跳过 API 调用 — 必须让服务端确认最终状态。

Step 4: 结果输出与后续建议

• 格式化输出执行结果
• 提供后续操作建议（如监控、日志查看等）
• 记录关键信息供后续参考

作业管理参考执行脚本

路径：/home/admin/.openclaw/workspace/skills/ehpcinstant-job-skill/scripts/

CLI脚本：

• create_container_job.sh - 创建容器作业
• create_vm_job_batch.sh - 创建VM作业
• create_vm_job_longrunning.sh - 创建长期运行的VM作业
• list_jobs.sh - 列出作业（支持分页）
• get_job.sh - 获取作业详情
• delete_jobs.sh - 删除作业

SDK脚本：

• 对应的Python SDK版本脚本，位于scripts/sdk/目录
• create_container_job.py - 创建容器作业
• create_vm_job_batch.py - 创建VM作业
• create_vm_job_longrunning.py - 创建长期运行的VM作业
• list_jobs.py - 列出作业（支持分页）
• get_job.py - 获取作业详情
• delete_jobs.py - 删除作业

注意事项

1. CLI命令准确性：E-HPC Instant使用aliyun ehpcinstant命令，不是aliyun ehpc！
2. 区域一致性：所有资源必须在同一区域，跨区域操作会失败
3. 配额限制：注意账户配额限制，避免操作失败
4. 成本意识：作业运行会产生费用，及时清理不需要的资源
5. 权限最小化：为AccessKey配置最小必要权限，提高安全性

故障排查与最佳实践

よくある問題の解決策

問題	根本原因	解決策
InvalidCommandエラー	Commandパラメーターの形式が正しくありません	正しいJSON配列形式を使用します：["/bin/sh", "-c", "command"]
認証失敗	AccessKeyの設定が正しくないか、権限が不足しています	~/.aliyun/config.jsonの設定を確認し、E-HPC Instantの権限があることを確認します
イメージが存在しない	イメージIDが正しくないか、リージョンが一致していません	イメージIDが正しく、同じリージョンにあることを確認します。references/instant-image.mdを参照してください
ネットワーク設定エラー	VSwitch IDが正しくないか、利用できません	VSwitch IDとセキュリティグループの設定を確認します。references/vswitch.mdを参照してください
リソースクォータ不足	アカウントのクォータ制限	Alibaba Cloudに連絡してクォータを増やすか、リソース設定を調整します
コマンドの実行失敗	コンテナー内のコマンドパスが正しくありません	イメージ環境でコマンドを実行できることを確認し、絶対パスを使用します

ベストプラクティスガイド

1. 命名規則：

   • ジョブ名：アプリケーション-計算ケース-タイムスタンプ（例：prod-training-20260411）
   • リソース名：用途、環境、リージョンの情報を含めます

2. リソース設定の最適化：

   • アプリケーションの特性に応じて適切なインスタンスタイプを選択します
   • 過剰な設定によるリソースの無駄を避けます

3. コスト管理：

   • 完了したジョブを速やかにクリーンアップします
   • 適切なジョブのタイムアウト設定を使用します
   • リソースの使用状況を監視します

4. 信頼性の確保：

   • ジョブの状態監視と再試行の仕組みを実装します
   • 適切なエラー処理とアラートを設定します
   • 重要な設定とデータを定期的にバックアップします

5. セキュリティの強化：

   • プライベートイメージリポジトリを使用します
   • 最小権限のAccessKeyを設定します
   • ネットワークアクセス制御と暗号化を有効にします

参考資料と詳細情報

APIリファレンス全般

ジョブ管理の実行パラメーターが不明な場合は、以下のリンクを参照してください。

• references/ehpcinstant.md - E-HPC Instant CLIコマンドの完全なマニュアル
• CLIヘルプコマンド：aliyun ehpcinstant <ApiName> --help

個別設定ガイド

• references/aliyun-cli.md - Alibaba Cloud CLI設定ガイド
• references/instant-image.md - イメージ管理ガイド
• references/vswitch.md - ネットワークvSwitch管理ガイド
• references/storage.md - NASストレージ管理ガイド
• references/resource.md - 計算リソース設定ガイド
• references/job-command.md - ジョブコマンド設定ガイド

公式ドキュメント

• Alibaba Cloud E-HPC Instant製品ドキュメント：https://help.aliyun.com/product/ehpcinstant.html
• E-HPC Instant APIドキュメント：https://api.aliyun.com/document/EhpcInstant/2023-07-01/overview
• Alibaba Cloud CLI公式ドキュメント：https://help.aliyun.com/document_detail/121529.html

セキュリティポリシーとリスク管理

操作リスクレベルの分類

リスクレベル	操作タイプ	Agentの行動指針
低リスク	参照操作（list、get、check、describe）	追加確認なしで直接実行します
中リスク	設定操作（configure、modify、update）	影響範囲を提示し、ユーザーの確認を得てから実行します
高リスク	作成／削除操作（create、delete、remove）	すべての設定情報を必ず完全に提示し、ユーザーの明確な確認を得てから実行します

[MUST] API呼び出しの省略は禁止 — Agentは削除などの操作を実行する際、GetJobがNotFoundを返すといった参照結果に基づき、「操作は不要」と独自に判断して実際のAPI呼び出しを省略してはなりません。参照と変更の間には時間差があり、サーバー側の状態が変化している可能性があります。Agentは常にユーザーが要求した対象のAPI（DeleteJobsなど）を実行し、サーバーから権威ある最終結果を取得しなければなりません。

セキュリティチェックリスト

• ✅ リージョンの一貫性：すべてのリソースが同じリージョンにあることを確認します
• ✅ クォータの確認：リソースクォータに余裕があることを確認します
• ✅ 依存関係の検証：依存リソース（イメージ、ネットワーク、ストレージ）が存在し、利用可能であることを確認します
• ✅ 権限の検証：AccessKeyに必要な権限があることを確認します
• ✅ コストの注意喚起：高額な費用が発生する可能性のある操作について注意を促します

機密操作の確認フロー

1. 情報の集約：すべての重要な設定パラメーターを提示します
2. 影響の説明：操作の影響範囲と潜在的なリスクを説明します
3. ユーザーの確認：「はい」「確認」「続行」など、ユーザーから明確な確認が得られるまで待ちます
4. 操作の実行：確認後に操作を実行します
5. 結果のフィードバック：詳細な操作結果と次のステップに関する提案を提供します