按照下列步骤，优化notebook执行。

对于SystemLink Enterprise 2024年4月及更早版本，请使用AWS S3文档来配置生命周期参数。生命周期参数将清除Argo Workflows为每个执行创建的工件。NI建议将生命周期设置为至少2天。
  1. 打开systemlink-values.yaml。
  2. 配置parallelism和maxNumberOfWorkflowsToSchedule，指定并行执行量的最大值。
    注： 默认状态下，每个Notebook执行至少需要0.2 CPU和2,176 MiB内存。例如，150个并行执行需要30 vCPU和319 GiB内存。如执行时间较短，可指定较少的并行执行次数，以保证簇较小。
  3. 如果集群上已有Argo Workflows部署，请完成以下步骤。
    1. 在systemlink-values.yaml中配置Argo Workflows的instanceID。 
      argoworkflows:
  argo-workflows:
    controller:
      instanceID:
        enabled: true
        explicitID: sl-notebook-execution-0
    2. 打开systemlink-admin-values.yaml。
    3. 在systemlink-admin-values.yaml中禁用Argo Workflows Custom Resource Definitions的安装。 
      argoworkflowscrds:
  crds:
    install: false
    4. 保存并关闭systemlink-admin-values.yaml。
  4. 可选： 对于SystemLink Enterprise 2024年10月及更新版本，可配置资源配置文件以大幅提升资源利用率。在systemlink-values.yaml中，修改默认资源分配以及低、中或高资源配置文件。 
    resourceProfiles:
  low:
    requests:
      cpu: "0.1"
      memory: 4Gi
    limits:
      memory: 4Gi
  5. 保存并关闭systemlink-values.yaml。
  6. 可选： 使用预配置的node-selectors.yaml限制可在特定节点上调度的pod数量。node-selectors.yaml文件包括以下参数。
    • notebookExecutionNodeSelector
    • notebookExecutionTolerations
    注： 使用kubectl在命令行中标记或标注节点。 
    kubectl taint nodes <node> notebook_execution=true:NoSchedule 
kubectl label nodes <node> notebook.executor=true