安装 NPU Operator

使用本页面安装 NPU Operator 并创建 NPUOperatorCtl 资源。选择一个场景,仅准备该场景的前置条件,应用匹配的 CR,然后验证生成的 NPU 堆栈。

安装路径

按顺序执行以下步骤:

  1. 阅读前置条件并选择一个 Driver 场景。
  2. 上架 NPU Operator 软件包和所需的共享软件包。
  3. 安装 Node Feature Discovery 和 NPU Operator。
  4. 应用以下所选场景对应的最小 CR。
  5. 继续执行验证安装。

1. 上架并安装软件包

从 customer portal 上架 Alauda Build of NPU Operator。在创建 NPUOperatorCtl 资源之前,将 Alauda Build of Node Feature Discovery 安装到目标业务集群上。只有在你有单独的计划启用 ClusterD 时,才安装 Volcano。

上架软件包时,使用 Upload Packages。安装 NFD 时,使用共享的 NFD 文档。

从管理员 > Marketplace > OperatorHub 安装 NPU Operator,切换到目标业务集群,并等待其 Subscription 和 CSV 就绪。安装 Operator 会启动控制器,但不会立即部署 Driver、runtime 或 Device Plugin。

2. 选择场景并创建 CR

以下示例仅使用 Alauda v26.6.0 CRD 支持的字段。示例使用自动 runtime 路径:启用 Device Plugin、启用 Ascend runtime、使用 ascend RuntimeClass,并启用 webhook。工作负载镜像仍需提供 CANN 和应用框架。

Operator 管理的物理主机

当物理 OS 可以运行所提供的 Host Driver 安装程序时,使用此场景。根据前置条件准备主机,然后应用:

apiVersion: npu-operator.alauda.io/v1
kind: NPUOperatorCtl
metadata:
  name: npuoperatorctl
spec:
  npu-feature-discovery:
    enabled: true
  driver:
    enabled: true
    installMode: host
    usePrecompiled: false
  devicePlugin:
    enabled: true
    env:
      - name: ASCEND_DOCKER_RUNTIME
        value: "True"
  ociRuntime:
    enabled: true
  operator:
    runtimeClass: ascend
  webhook:
    enabled: true

Operator 管理的不可变 OS

当节点使用不可变 OS 和匹配的预编译 Driver 镜像时,使用此场景。在应用以下内容之前,完成Driver 镜像准备:

apiVersion: npu-operator.alauda.io/v1
kind: NPUOperatorCtl
metadata:
  name: npuoperatorctl
spec:
  npu-feature-discovery:
    enabled: true
  driver:
    enabled: true
    installMode: containerized
    usePrecompiled: true
    driverInstallDir: /run/ascend/driver
  devicePlugin:
    enabled: true
    env:
      - name: ASCEND_DOCKER_RUNTIME
        value: "True"
  ociRuntime:
    enabled: true
  operator:
    runtimeClass: ascend
  webhook:
    enabled: true

在 NPU Operator 外部管理 Driver

当其他系统在每个选定节点上安装并升级正常运行的 Host Driver 时,使用此场景:

apiVersion: npu-operator.alauda.io/v1
kind: NPUOperatorCtl
metadata:
  name: npuoperatorctl
spec:
  npu-feature-discovery:
    enabled: true
  driver:
    enabled: false
    installMode: host
    usePrecompiled: false
  devicePlugin:
    enabled: true
    env:
      - name: ASCEND_DOCKER_RUNTIME
        value: "True"
  ociRuntime:
    enabled: true
  operator:
    runtimeClass: ascend
  webhook:
    enabled: true

应用所选文件:

kubectl apply -f npuoperatorctl.yaml
kubectl get npuoperatorctl -A

不要仅通过编辑 driver.installMode,在 host 和 containerized 之间切换现有安装。请按照拒绝 Driver 模式更改执行经批准的迁移。

NPU Operator 与 HAMi

保持 Driver、OCI Runtime、ascend RuntimeClass 和 webhook 启用。NPU Operator 基础组件就绪后,在完整的所有权范围内禁用 NPU Operator Device Plugin,并按照选择 Ascend NPU 分配模式安装 HAMi 的 Ascend Device Plugin。为每个工作负载使用一个 RuntimeClass 注入器:建议默认使用 NPU Operator webhook;默认的 HAMi 安装不会注入 ascend,除非其 Ascend 设备配置明确设置了该项。

3. 验证安装

继续执行验证安装。不要仅凭 Pod Running、设备节点或 npu-smi info 就判定安装成功;请完成该页面上的 ACL 和应用检查。