Nebius sluit GPU-netwerkstoring, Kubernetes-issue blijft open
Nebius heeft op 3 oktober 2026 een InfiniBand-storing op GPU-clusters in regio eu-west2 afgesloten. Een apart probleem met preemptible nodes in Managed Kubernetes stond op 4 oktober 2026 nog open. Draaiende workloads waren volgens Nebius niet geraakt.
Netwerk tussen GPU’s in eu-west2
Op de statuspagina van Nebius begon het GPU-incident op 3 oktober 2026 om 04:30 uur Nederlandse tijd. Nebius onderzocht InfiniBand-verbindingsproblemen op een deel van de GPU-clusters in Compute Cloud in eu-west2. Gedistribueerde training op getroffen clusters kon last hebben van een tragere interconnect of van fouten.
Om 06:45 uur meldde Nebius dat de oorzaak was gevonden en dat een team ter plaatse aan de oplossing werkte. Om 09:44 uur was een fix doorgevoerd en volgde monitoring. Om 10:59 uur zette Nebius het incident op resolved.
InfiniBand is het snelle netwerk tussen GPU’s in een cluster. De storing zit daarmee naast de gewone VM- of opslagstoring van 2 oktober, die Nebius die nacht al als opgelost had gemeld. Het is ook een ander bericht dan de overname van Inferize op 1 oktober.
Kubernetes: fix klaar, uitrol uitgesteld
Los daarvan onderzocht Nebius sinds 2 oktober 2026, 17:31 uur Nederlandse tijd, een probleem met Managed Kubernetes-nodegroepen in alle regio’s. Preemptible nodes die op 1 oktober of eerder in een preempted, dus gestopte, staat stonden, startten niet vanzelf als er weer capaciteit was. Handmatig stoppen of starten van een node in een nodegroep had geen effect. Draaiende workloads waren niet geraakt. Een fix werd uitgerold, schreef Nebius op dat moment.
Om 17:50 uur volgde de update dat de oorzaak bekend was en dat een fix klaarlag. De impact was beperkt en raakte draaiende workloads niet. Om verstoring van productie bij klanten in het weekend te vermijden, plande Nebius de uitrol voor begin van de week erna. Klanten met problemen konden support benaderen.
Bij een controle van status.nebius.com op 4 oktober 2026 stond Managed Kubernetes in de getoonde regio’s nog op degraded performance, onder meer in eu-north1, eu-west2 en us-central1. Er was op die pagina geen nieuwere inhoudelijke update over dit incident dan die van 2 oktober, 17:50 uur. De GPU-netwerkstoring van 3 oktober stond die dag wel als resolved.
Duiding
Twee storingen, twee gevolgen. Het GPU-netwerk in eu-west2 was in ruim zes uur van melding tot afsluiting, met een team ter plaatse. Het Kubernetes-probleem raakte volgens Nebius geen lopende taken, maar wel het automatisch terughalen van gestopte preemptible nodes. De keuze om de fix niet in het weekend uit te rollen is voorzichtig, en laat dat probleem langer openstaan. Dit is redactionele duiding.