#华为 Ascend NPU 安装

本章介绍针对配备华为 Ascend NPU 的集群的端到端安装步骤。对于 NVIDIA GPU，请参见 安装 NVIDIA GPU。

从 Alauda Build of Hami v2.8 开始，部署表单中会提供 Enable Ascend 开关，使 hami-scheduler 能够调度华为 Ascend NPU，并与 NVIDIA GPU 一起使用（或替代 NVIDIA GPU）。

与 NVIDIA 不同——开启该开关会同时部署 hami-scheduler 和 NVIDIA device plugin——开启 Enable Ascend 时，仅会为 hami-scheduler 配置 Ascend 感知能力，并提供包含 Ascend 虚拟化模板的 hami-scheduler-device ConfigMap。HAMi chart 中不包含 Ascend device plugin DaemonSet，必须单独安装。

#前提条件

• 对你的 ACP 集群具有集群管理员权限
• Kubernetes 版本：v1.16+
• ACP 版本：v4.0+
• 一台或多台配备受支持的华为 Ascend NPU 的节点（例如 Ascend 910B、Ascend 310P 等）

#步骤 1：安装 Ascend driver 和 Ascend Docker Runtime

Alauda Build of NPU Operator 是在 NPU 节点上安装 Ascend driver、firmware 和 Ascend Docker Runtime 的推荐方式。请按照 安装 Alauda Build of NPU Operator 执行，并注意部署表单中的选项：

operator 完成后，请在每个 NPU 节点上验证 driver：

npu-smi info

#步骤 2：在 HAMi 部署表单中启用 Ascend

1. 打开 管理员 -> Marketplace -> 集群插件，切换到目标集群，然后部署或更新 Alauda Build of Hami。
2. 在部署表单中，打开 Enable Ascend。
3. Enable NVIDIA 可以保持开启（混合集群）或关闭（仅 NPU 集群）。
4. 提交表单。等滚动更新完成后，hami-scheduler 将以 --enable-ascend=true 启动，并且 hami-scheduler-device ConfigMap 会包含第 3 步中的 device plugin 所使用的 Ascend vnpus 模板。

#步骤 3：部署 HAMi ascend-device-plugin

1. 为每个 NPU 节点打标签，以便 DaemonSet 只在需要的节点上运行：

   kubectl label node {ascend-node} ascend=on

2. 下载 DaemonSet manifest ascend-device-plugin.yaml 并将其应用到业务集群：

   kubectl apply -f ascend-device-plugin.yaml

   该 manifest 会创建：

   • 位于 kube-system 命名空间中的 ServiceAccount、ClusterRole 和 ClusterRoleBinding，名称为 hami-ascend。
   • 名为 hami-ascend-device-plugin 的 DaemonSet，调度到带有 ascend=on 标签的节点。
   • 该 DaemonSet 会挂载 hami-scheduler-device ConfigMap；该 ConfigMap 由第 2 步中的 HAMi chart 创建，包含 Ascend 虚拟化模板（vnpus）。

3. 如需使用自定义 plugin 镜像（例如内部镜像源），请在应用之前编辑 ascend-device-plugin.yaml 中的 image 字段。

#步骤 4：验证

1. 检查每个 NPU 节点上的 device plugin Pod 是否都在运行：

   kubectl -n kube-system get pods -l app.kubernetes.io/component=hami-ascend-device-plugin -o wide

2. 检查 NPU 资源是否已报告为可分配（资源名称会因芯片而异，例如 huawei.com/Ascend910B 或 huawei.com/Ascend310P）：

   kubectl get node {ascend-node} -o=jsonpath='{.status.allocatable}'

3. 运行一个示例工作负载来申请一个 vNPU 切片。下面的示例请求一个 Ascend910B4 芯片，并将内存限制为 4096 MiB；HAMi 会选择满足该内存请求的最小虚拟化模板：

   apiVersion: v1
   kind: Pod
   metadata:
     name: ascend-pod
   spec:
     containers:
       - name: npu-pod
         image: ascendai/pytorch:ubuntu-python3.8-cann8.0.rc1.beta1-pytorch2.1.0
         command: ["sleep", "infinity"]
         resources:
           limits:
             huawei.com/Ascend910B4: "1"
             # If you omit Ascend910B4-memory, the whole NPU is allocated.
             huawei.com/Ascend910B4-memory: "4096"

   更多 device 侧示例，请参见 HAMi ascend-device-plugin examples。

如需深入了解 vNPU 切片的工作原理（模板、内存取整以及按卡预算核算），请参见 Ascend vNPU 切片的工作原理。

#故障排查

• Pod 一直处于 Pending，且未报告 Ascend 资源：确认节点已带有 ascend=on 标签，并且该节点上的 hami-ascend-device-plugin Pod 处于 Running 状态。
• hami-scheduler-device ConfigMap 中缺少 vnpus 部分：重新打开 HAMi 部署表单并确认 Enable Ascend 已开启；只有在打开该开关时才会渲染该部分。
• 与 Alauda Build of NPU Operator 冲突：确保在 operator 部署表单中已禁用 Ascend Device Plugin。如果误开启了，请在关闭该选项后重新部署 operator，然后再次应用 HAMi ascend-device-plugin.yaml。
• 需要自定义 Ascend 虚拟化模板：编辑 hami-scheduler-device ConfigMap 中的 vnpus 部分（kubectl -n kube-system edit configmap hami-scheduler-device），然后重启 hami-ascend-device-plugin Pod。请注意，该修改会在下次 chart 升级时丢失。