发版日志

产品版本发布

以下 Ascend NPU 厂商基础产品已在此产品线中编写文档:

组件版本备注
Alauda Build of NPU Operatorv26.6.0当前的 OperatorHub / OLM operator 交付模型。

使用版本和组件检查 NPU Operator 版本之间的交付模型和组件差异。当历史 release notes 影响迁移或支持决策时,仍会在下方保留。

v26.6.0

支持 ARM Ascend 310P 和 910B 节点上的 ACP v4.0-v4.4。

正式 ARM64 软件包已在 Ascend 910B3 Host Driver 环境以及 Ascend 310P Host 和 Alauda OS 环境中完成验证。NPU Operator Ascend 基础版本还参与了与 HAMi 管理的分配场景的互操作性验证;有关 HAMi 功能的状态和限制,请参阅 HAMi 文档。发布扫描未发现 Alauda 维护的镜像中存在 Critical 或 High 漏洞。

新增和优化功能

  • 为受支持的可变操作系统新增由 operator 管理的 Host Driver 安装,同时保留预安装 Host Driver 和受管预编译 Driver 模式。
  • 根据配置的 Driver 版本和节点发现标签自动解析预编译 Driver 镜像标签。

已修复问题

  • NPU 工作负载在仍处于终止过程中时进入 Failed 状态,可能会在 Driver 升级期间被过早视为已释放。Operator 现在会等待 Pod 消失,并在达到配置的超时时间后停止升级。
  • 重启后暂时不可用的受管 Host Driver 可能会被视为全新的安装目标。安装程序现在会等待现有安装恢复正常,并在其就绪后不再重新安装。
  • 卸载 Operator 可能会遗留受管策略和 finalizer。卸载流程现在会在移除 controller 之前删除这些受管对象。
  • 预安装 Host Driver 部署可能会报告 HCCN 不可用,因为它们不使用预编译 Driver 就绪标记。HCCN Bootstrap 现在使用 Host 工具路径进行观测,并在探测失败时保持 fail-closed。

升级说明

  • 对于预安装的 Host Driver,请保持 Driver 管理禁用并选择 Host 模式。
  • 对于不可变操作系统,请导入匹配的 ARM64 预编译 Driver 镜像,并在安装前配置目标业务集群镜像映射或 ImageWhiteList。Driver 镜像与产品软件包分开交付。
  • v26.6.0 使用由 ascend-docker-runtime 支持的 ascend RuntimeClass。准入 webhook 会将此 RuntimeClass 注入请求 Ascend 资源的 Pod,因此启用 webhook 后,工作负载清单无需显式设置该 RuntimeClass。
  • 不要使用 v1.2.4 中的 CDI 规范作为 v26.6.0 的就绪检查。请改为验证 RuntimeClass、运行时集成 DaemonSet 以及已准入的 Pod。
  • 不要为同一组 Ascend 设备运行多个设备暴露所有者。当 HAMi 管理分配或切分时,请为这些设备禁用由 NPU Operator 管理的 Ascend Device Plugin。

已知问题

  • 不支持自动初始化 HCCN 设备 IP。HCCN Bootstrap 默认处于禁用状态;经过验证的配置文件为仅观测模式,启用后不会重写预配置地址。
  • 在使用 Host 网络和固定组件端口的单节点控制平面部署中,升级可能会短暂等待之前的 Pod 释放其端口。在将替换 Pod 判定为失败之前,请确认旧 Pod 已终止。

升级路径

  • 通过 OperatorHub / OLM 将 v1.2.4 升级到 v26.6.0。在生产集群中使用手动批准策略,并在升级后验证 NPUOperatorCtl 组件和一个 NPU 工作负载。
  • 若要从 v1.1.3 或更早版本的集群插件迁移,请先卸载旧集群插件,然后从 OperatorHub 安装 v26.6.0。不支持从集群插件交付模型进行原地转换。

v1.2.4

基于 openFuyao npu-operator 1.2.0。此版本变更了 NPU Operator 的交付模型,并新增对不可变操作系统的支持。

新增和优化功能

  • 支持 Alauda OS 和不可变操作系统节点。
  • 将 Ascend Driver 作为根据 HDK、芯片、内核和操作系统确定的预编译 Driver 镜像交付。
  • 通过禁用 Driver 组件,支持预安装 Driver 直通。
  • 使用 CDI 进行设备注入。新工作负载无需 runtimeClassName: ascend 即可直接请求 NPU 资源。
  • 新增由 operator 管理的 Driver 升级和节点重启流程。
  • 新增由恢复策略控制的芯片自愈流程。
  • 将 MindCluster / Ascend 组件栈升级到 v7.3.0 系列。
  • 自动创建 NPU Exporter ServiceMonitor。

破坏性变更

  • 交付方式从集群插件变更为 OLM operator bundle。
  • 不支持从 v1.1.3 或更早版本的集群插件版本进行原地升级。
  • Driver 默认作为容器镜像交付,而不是作为 Host .run 软件包交付。
  • Runtime 集成基于 CDI。旧版 RuntimeClass 路径仅为兼容性而保留。

已弃用和移除的功能

  • v1.1.x 的 DKMS Host 侧 Driver 安装流程不再用于受管 Driver 路径。

修复的问题

  • 修复 NPU Exporter ServiceMonitor 的命名空间和选择器问题。
  • 修复升级验证可能仅依赖 Driver Pod 就绪状态的问题。
  • 修复芯片卡死时运行时初始化快速跳过的问题。
  • 包含 Community 针对无 NPU 卡节点上的安装和检测逻辑提供的修复。

已知问题

  • Driver 镜像是否可用取决于是否存在与节点内核匹配的标签。如果不存在相应标签,请联系 Alauda Customer Support。
  • Driver 升级和芯片自愈可能需要重启节点。

升级说明

要从 v1.1.3 或更早版本升级到 v1.2.4,请先卸载旧集群插件,然后从 OperatorHub 安装 v1.2.4 operator。

v1.1.3

基于 openFuyao npu-operator 1.1.1。此版本使用较旧的集群插件交付模型,以及 MindCluster / Ascend v7.2.RC1 组件栈。