如何让集群纳管指定的 GPU 卡¶

本文介绍如何让集群纳管指定的 GPU 卡。

使用场景¶

• 客户服务器资源有限，且部分应用不支持容器部署模式的情况下，需要兼顾传统应用部署和容器化应用部署需求，允许客户纳管一部分的 GPU 卡，并预留一部分 GPU 卡供其传统应用使用。
• 在故障隔离机制中，device-plugin 能够自动识别并隔离出现故障的 GPU 卡，以确保这些故障卡不会再被调度用于执行任何任务。对于某些可能未被 device-plugin 自动检测到的故障 GPU 卡，可以通过选择性纳管的方式手动隔离。

前提条件¶

• 已经部署 DCE 5.0容器管理平台，且平台运行正常。
• 容器管理模块已接入 Kubernetes 集群或者已创建 Kubernetes 集群，且能够访问集群的 UI 界面。
• 当前集群已安装 GPU operator
• 当前集群已安装 NVIDIA-vGPU，且 NVIDIA-vGPU 在 2.4.0+1 及以上版本

操作步骤¶

1. 修改 nvidia-vgpu-hami-device-plugin。点击对 集群 -> 配置与密钥-> 配置项，搜索 nvidia-vgpu-hami-device-plugin，点击名称进入详情。

   

2. 编辑 YAML，填写被过滤的 GPU 卡的 uuid 或者 index 码。过滤后，pod 不会被调度到这些 GPU 卡上。

   filterdevices：设备实例的过滤设备。过滤设备可以是以下值之一：

   • uuid：设备的 UUID
   • index：设备索引

   

3. 重启 nvidia-vgpu-hami-device-plugin

   

4. 部署工作负载并查看调度情况。

   

   

评论