硬件注册表与配额

用户侧语义见资源模型；本页讲运维怎么配。

卡型 series

一类卡的规格与调度参数（内置 h200 / h100 默认，FORGE_HARDWARE_SERIES JSON 覆盖）：

卡型 + 默认形状 + 调优覆盖（内置默认，FORGE_CLUSTER_PROFILES 覆盖）：

name / series / num_nodes / gpus_per_node：形状即配额与训练的权威拓扑；
env：进程环境（NCCL、Ray 内存阈值、PyTorch 分配器）——多节点须与 ray start 同一份；
overrides：框架覆盖项（并行度、vLLM 显存比、micro batch）。只放所有实验共有的键（CLI override 是 struct 模式，改不存在的键会报错）。

控制台 管理 → 平台设置 → 硬件 可视化编辑，热生效（实例按 FORGE_HWCONFIG_REFRESH_INTERVAL 拉取）。

sf admin set-quota alice --gpus 16 --jobs 6 --daily-gpu-hours 200 \
  --max-storage-gb 2000 --profiles h200,h100 --priority 10

FORGE_QUOTA_ENFORCE=0 可整体降为「只记录不拦截」（试运行期用）。

--max-storage-gb 限制该用户全部 run 目录（工作目录 + checkpoint + 日志）的合计占用。计量口径是 runs/<用户>/；缓存（权重 / 数据集 / 语料）属于平台共享，不归到个人 —— 一个作业拉下来的权重，后面每个作业都在用。

配置	语义
`FORGE_STORAGE_SCAN_INTERVAL_S`	扫描间隔（秒），默认 600；0 = 关闭（配额与看板都显示「尚未扫描」）
`FORGE_DISK_WATERMARK_PCT`	整盘水位线；到达后暂停所有人出队（保护在跑作业的 checkpoint 写入）

两者管的是不同的事：配额是「谁占得太多」，水位线是「盘要满了」。

按卡型限制每日可运行时段（管理 → 平台设置 → 时段）：

配置	语义
`schedule_enforce`	执法总开关（关 = 只展示不拦截）
窗口定义	每卡型的每日开放区间（服务时区 `FORGE_TIMEZONE`）
`schedule_dispatch_min_remaining_s`	窗口剩余不足此秒数不放行出队
`schedule_stop_grace_s`	窗口关闭后强停宽限（作业先收到暂停，保留 checkpoint）

窗口重开后被暂停的作业自动续训。