Infrastructure Lambda Labs 故障排查

# Lambda Labs 故障排除指南 ## 实例启动问题 ### 无可用实例 **错误**："No capacity available" 或实例类型未列出 **解决方案**： bash # 通过 API 检查可用性 curl -u $LAMBDA_API_KEY: https://cloud.lambdalabs.com/api/v1/instance-types | jq '.data | to_entries[] | select(.value.regions_with_capacity_available | length > 0) | .key' # 尝试不同区域 # 美国区域: us-west-1, us-east-1, us-south-1 # 国际: eu-west-1, asia-northeast-1 等 # 尝试替代 GPU 类型 # H100 不可用? 尝试 A100 # A100 不可用? 尝试 A10 或 A6000 ### 实例启动卡住 **问题**：实例显示 "booting" 超过 20 分钟 **解决方案**： bash # 单 GPU: 应在 3-5 分钟内就绪 # 多 GPU (8x): 可能需要 10-15 分钟 # 如果卡住时间更长: # 1. 终止该实例 # 2. 尝试不同区域 # 3. 尝试不同实例类型 # 4. 如果持续存在，联系 Lambda 支持 ### API 认证失败 **错误**：`401 Unauthorized` 或 `403 Forbidden` **解决方案**： bash # 验证 API 密钥格式 (应以特定前缀开头) echo $LAMBDA_API_KEY # 测试 API 密钥 curl -u $LAMBDA_API_KEY: https://cloud.lambdalabs.com/api/v1/instance-types # 如有需要，从 Lambda 控制台生成新 API 密钥 # Settings > API keys > Generate ### 配额限制已达 **错误**："Instance limit reached" 或 "Quota exceeded" **解决方案**： - 在控制台检查当前运行的实例 - 终止未使用的实例 - 联系 Lambda 支持申请增加配额 - 大规模需求请使用一键集群 ## SSH 连接问题 ### 连接被拒绝 **错误**：`ssh: connect to host port 22: Connection refused` **解决方案**： bash # 等待实例完全初始化 # 单 GPU: 3-5 分钟 # 多 GPU: 10-15 分钟 # 在控制台检查实例状态 (应为 "active") # 验证 IP 地址是否正确 curl -u $LAMBDA_API_KEY: https://cloud.lambdalabs.com/api/v1/instances | jq '.data[].ip' ### 权限被拒绝 **错误**：`Permission denied (publickey)` **解决方案**： bash # 验证 SSH 密钥是否匹配 ssh -v -i ~/.ssh/lambda_key ubuntu@ # 检查密钥权限 chmod 600 ~/.ssh/lambda_key chmod 644 ~/.ssh/lambda_key.pub # 验证密钥在启动前已添加到 Lambda 控制台 # 密钥必须在启动实例前添加 # 检查实例上的 authorized_keys (如果有其他进入方式) cat ~/.ssh/authorized_keys ### 主机密钥验证失败