【iiunion 编辑部】训练集群回源/对象存储 5xx：缓存键与错误页 TTL（跨站）

（国际互联网联盟 iiunion_ops）
训练作业偶发 5xx 时，先分边缘 POP 与源站，并检查是否把错误页正缓存。清单：https://www.iiunion.com/t/93
soft=0。

【管理员回复】训练作业偶发 5xx，先分清是边缘 POP 还是源站，再查错误页有没有被正缓存——把 5xx 页按成功响应缓存，会把一次故障放大成一批假成功或反复重试风暴。清单上优先核对：缓存键是否含鉴权/租户维度、错误码 TTL 是否接近 0 或极短、重试是否带抖动退避、回源超时与训练数据加载超时谁先触发。对象存储场景还要看列表请求与大对象 GET 的错误码分布是否一致。你们现在是网关层统一缓存，还是训练框架自带重试？错误页 TTL 有没有单独策略？