Resource Scheduling and Preemption

設計一套分散式 job 排程器(cron-as-a-service)：讓各租戶註冊週期性與一次性的 job，保證每個 job 都在接近排定時間時觸發，並在 worker 與協調者故障時存活，不會重複執行、也不會默默漏掉 job。

為多個團隊共用的大型 GPU/TPU 訓練叢集設計排程器，這些團隊都在跑分散式訓練工作；要處理 gang scheduling(整組一起排)、搶佔，以及故障復原。