训练检查点跨机房复制：带宽预算怎么打

分布式训练依赖频繁检查点。一旦主站点故障或需要迁移，跨机房复制会在短窗口内产生巨大流量。若这笔流量和在线推理出口混在同一条计量链路里，轻则账单失控，重则拖垮对外服务。

建议单独为复制任务规划带宽与时间窗：增量优先、全量走低峰，并设好校验与断点续传。专线与公网 Transit 可按「稳定大流量 / 突发灵活」组合使用，但要在监控里分开记账。

复制失败的回退策略也应提前写好，避免训练队列堆积。南方数据可提供专线与 Transit 侧的带宽规划建议。欢迎就检查点复制场景沟通。