升级
本页面介绍如何升级已安装的 HAMi 产品线组件:Alauda Build of HAMi、特定后端的 Alauda Build of HAMi Ascend Device Plugin 以及可选的 Alauda AI Infrastructure Accelerator Virtualization Console。
升级前,请确认活动后端路径以及工作负载当前使用的资源键。升级后的后端支持情况应以当前交付包和版本页面为准。
目录
升级前升级 HAMi重要变更(v2.10)重要变更(v2.9)重要变更(v2.8)重要变更(v2.5 -> v2.6)操作步骤升级 HAMi Ascend Device Plugin重要变更(v1.4.1)升级 HAMi-WebUI升级后的后端检查回滚条件相关参考升级前
-
在版本和组件中检查支持的目标组合,并在Release Notes中查看特定版本的变更。
-
在更改已安装版本前,使所有目标产品包在 ACP 中可用。
-
记录当前
Hami自定义资源值或旧版集群插件表单值、活动后端、节点标签、RuntimeClass、资源键以及 device-plugin 所有者。 -
备份包含节点特定配置的 HAMi ConfigMap。使用动态 MIG 或其他直接 ConfigMap 自定义时,必须执行此操作:
-
如果已安装 Ascend Device Plugin,请保存其自定义资源:
-
如果已安装 HAMi-WebUI,请记录其 Prometheus 地址来源和 NodePort 选择。应根据当前监控 Secret 重新生成身份验证值,而不是存储解码后的用户名或密码。
按照目标兼容性矩阵要求的顺序升级组件。当目标 HAMi 版本要求特定的 HAMi-WebUI 版本时,请在升级 HAMi 之前或同时升级 HAMi-WebUI。将 Ascend Device Plugin 作为单独的 OperatorHub 操作进行升级。
升级 HAMi
重要变更(v2.10)
对于现有的 v2.10 Operator 安装,请通过 OperatorHub 升级 Operator 包,并在需要时批准生成的 InstallPlan。保留 Hami 自定义资源,将其值与目标版本进行比较,并在调和后验证 CSV、Operator、scheduler、device plugin 以及具有代表性的 GPU 工作负载。
重要变更(v2.9)
重要变更(v2.8)
不要将 release 分支安装页面作为厂商驱动、device plugin 或 exporter 所有权的依据。对于这些组件,请使用当前 NVIDIA GPU 或 Ascend NPU 厂商基础文档。
重要变更(v2.5 -> v2.6)
从 v2.5 升级到 v2.6 不应影响现有应用。组件升级后,请对应用使用滚动更新,以减少意外的运行时差异。
操作步骤
- 如果目标 HAMi 版本需要更新版本的 ACP,请先升级 ACP。
- 将
Alauda AI Infrastructure Accelerator Virtualization的目标 Operator 包上传到 ACP。 - 确认所选后端仍受目标包支持,尤其是 Ascend NPU 或 Ascend vNPU 路径。
- 如果集群仍使用旧版 HAMi 集群插件,请按照上述包表单迁移步骤操作。否则,转到
Administrator->Marketplace->OperatorHub,切换到目标集群,然后通过其 Subscription 和 InstallPlan 升级 HAMi Operator。 - 从验证中验证 CSV、Operator Deployment、
Hami自定义资源、组件 Pod、节点可分配资源键、ACP 配额元数据以及工作负载调度。
只有在将备份的节点自定义配置与目标版本生成的配置进行比较后,才能重新应用该配置。不要使用旧版 schema 整体替换新的 ConfigMap。
升级 HAMi Ascend Device Plugin
重要变更(v1.4.1)
- 确认目标 Operator Bundle 支持目标 HAMi 版本和所选 Ascend 路径。
- 通过 OperatorHub 升级
Alauda Build of HAMi Ascend Device Plugin。如果 Subscription 使用手动批准,请审核并批准生成的 InstallPlan。 - 除非 release notes 要求更改字段,否则保留现有的
HAMiAscendDevicePlugin自定义资源及其组件命名空间。 - 验证 CSV 达到
Succeeded,自定义资源报告Deployed,并且 DaemonSet 在所选节点上变为 Ready。 - 确认原生 Ascend Device Plugin 在整个更新过程中保持停止状态。
升级 HAMi-WebUI
v1.3.0 将 HAMi-WebUI 从早期的集群插件变更为 Operator Bundle。这两种交付形式之间不支持原位升级。
- 记录现有 Prometheus 地址、身份验证源、NodePort 选择以及计划使用的 WebUI 设置。
- 通过 ACP 卸载旧版 HAMi-WebUI 集群插件。
- 确认其 operator、WebUI workload、Service、配置资源和插件安装对象均已移除。保留共享的 Prometheus 资源和不相关的 HAMi workload。
- 通过全新的 Subscription 和 InstallPlan 安装 v1.3.0
hami-webui-operatorpackage。 - 等待
hami-webui-operator.v1.3.0达到Succeeded,并等待 operator Deployment 变为 Ready。 - 在
cpaas-system中创建HamiWebUI自定义资源,恢复记录的 Prometheus 和服务设置。 - 验证 WebUI Pod 变为 Ready,并确认后端
instant-vector查询返回带有 JSONdata数组的 HTTP 200。 - 全新安装后打开 WebUI 的资源概览、节点管理、卡管理和 workload 任务视图。
不要只接受页面级 smoke test。页面能够打开,但其 Prometheus 请求返回 HTTP 523,并不表示升级通过。
升级后的后端检查
升级后,验证:
- HAMi Pod 在预期的命名空间中运行;
- 为 HAMi 选择的节点公开预期的 HAMi 资源键;
- ACP 配额元数据仍与用户请求的资源键匹配;
- 相同设备未同时通过冲突的 vendor 直接插件路径公开;
- 监控使用文档针对后端和版本记录的 exporter 路径。
对于 Ascend NPU 和 Ascend vNPU,不要假定资源键名称与早期版本相同。应以当前交付 package 和版本页面为准。
回滚条件
当目标组件无法完成 reconcile、必需的资源键消失、目标运行时路径失败,或代表性 workload 无法分配和释放设备时,应执行回滚。使用 ACP 或 OLM owner 恢复之前的组件版本及其兼容配置。降级 package 不会自动使旧版 ConfigMap 或自定义资源 schema 变得安全;仅恢复回滚版本支持的字段,并重复执行验证。