개복치 소생술 — 다섯 번 죽은 추론 서버에 자동 재기동을 달다
사인이 매번 다른 크래시를 더는 쫓지 않기로 했다. 대신 죽어 있는 시간을 없앴다. 워치독을 만들고, 배포 직후 그 워치독 때문에 더 망가지고, 고쳐서 첫 자동 소생을 보기까지.
장애분석
GPU를 사이에 둔 두 AI의 정전 협정
추론 서버를 세 번 죽인 범인은 커널 버그가 아니라 같은 GPU를 탐낸 두 번째 프로그램이었다. 그리고 그 두 번째 프로그램은 또 다른 AI 에이전트였다.
18시간 뒤의 침묵 — DeepGEMM JIT 커널 크래시 추적기
정상 종료 코드로 죽은 추론 서버, TileLang 대체 경로로의 우회, 그리고 ‘조용한 모니터링 장애’까지 — 4노드 클러스터 장애 하나를 끝까지 따라간 기록