开发模式选择与机制介绍
开发模式选择
AladdinEdu 平台提供两种主要的开发与运行方式。为了最大化利用算力资源并降低使用成本，建议您在开始前根据实际需求阅读以下对比。
核心区别一览
| 特性 | 模式一：任务投递模式（推荐） | 模式二：传统开发模式 |
|---|---|---|
| 核心逻辑 | 存算分离：在 CPU 环境编写代码，运行时按需调用 GPU | 存算一体：工作台直接绑定 GPU，编写与运行在同一环境中 |
| 操作工具 | VSCode AladdinEdu插件 | SSH 客户端、Remote-SSH等 |
| 计费机制 | 真·按量计费：仅在任务运行期间按 GPU 价格扣费，其余时间仅扣除极低的存储/CPU 费用 | 按量计费：只要工作台处于“运行中”状态，无论是否运行代码，均持续按 GPU 价格扣费 |
| 适用场景 | 模型训练、离线批处理、代码编写与轻量级调试 | 复杂环境配置、需要实时交互的重度调试、传统服务器使用习惯 |
模式一：任务投递模式（平台推荐）
这是 AladdinEdu 提倡的高效工作流，在提供了一个您专属的远程开发环境（工作台）的同时，通过将代码编辑环境与高算力运行环境解耦，大幅降低闲置成本。
工作流程：
- 准备环境：启动一个 CPU 规格 的工作台（workshop）。
- 编写代码：在工作台中进行代码编辑、数据预处理、文件上传等（此时仅消耗微量 CPU 核时）。
- 提交运行：通过 VSCode 插件一键提交，选择 GPU 规格启动会话（session）。
- 结果同步：任务完成后，GPU 资源自动释放并停止计费，运行日志与结果文件自动回传至您的工作台。
核心优势： 此模式杜绝了“代码编辑与调试期间 GPU 资源空转”的浪费，适合绝大多数AI训练任务。
模式二：传统开发模式
此模式符合传统物理服务器或云主机的操作习惯。您将获得一个拥有完整 Root 权限、独占 GPU 且持续运行的交互式环境。
工作流程：
- 创建环境：在创建工作台时，直接绑定 GPU 规格。
- 直连操作：通过 SSH 客户端或VSCode Remote-SSH插件连接进入终端。
- 交互运行：直接在当前环境中执行 Python 命令或进行断点调试，与本地操作体验一致。
注意
在此模式下，工作台即为计算节点。只要工作台处于“运行中”状态，系统将持续按 GPU 单价扣费。使用完毕后，请务必手动执行“停止”操作以释放资源，避免产生额外费用。
💡 总结建议
- 如果您进行模型训练、跑实验，或希望节省算力成本，请首选 [模式一]。
- 如果您习惯传统 Linux 服务器操作，可选择 [模式二]。
平台运行原理
为了支持高效的“存算分离”模式，理解数据与环境的流转机制至关重要。请参考下图：
原理解析（必读）：
-
📂 文件存哪里? 请务必将代码、模型权重、数据集等所有文件存放于 /root 目录 下。(/root 为持久化存储卷，可自动同步至 Session；其他目录为临时存储，重启或关闭后数据即丢失。)
-
📦 包怎么装？
-
情况 A（系统级安装）： 使用 apt 或系统自带 pip 安装的包，必须点击 “保存镜像”，否则 GPU Session 无法加载。
-
情况 B（推荐做法）： 在 /root 目录下创建 Conda 虚拟环境。此时环境被视为“普通文件”，无需保存镜像即可直接被 GPU Session 读取，省时省力。
-