标签：混沌

2026-04-05andy阅读(5)评论(0)

引言 在现代 AI 基础设施中，随着模型参数量的剧增和分布式部署的普及，底层硬件（如 GPU、RDMA 网络）的稳定性变得至关重要。然而，驱动崩溃、ECC 内存错误或网络抖动在生产环境中屡见不鲜。混沌工程（Chaos Engineering...