#安装 Alauda GPU Management

#先决条件

• 具有目标业务集群的集群管理员访问权限，Alauda GPU Management 将安装到该集群中。
• ACP v4.0-v4.3。
• NVIDIA GPU worker 节点，x86_64 架构。
• 已在目标业务集群上安装 Alauda Build of Node Feature Discovery。
• 在创建 ClusterPolicy 实例之前已选择驱动程序模式。
• 可从 Customer Portal 访问 Alauda GPU Management 软件包。

有关受支持的组合，请参见 Versions and Components 和 Compatibility；有关完整的节点检查清单，请参见 Prerequisites。

#准备软件包

Alauda GPU Management 是一个基于 controller 的（OLM）operator。安装完成后，ClusterPolicy 实例将控制在 GPU 节点上协调哪些组件。driver、container toolkit、device plugin、GPU Feature Discovery 和 DCGM-Exporter，以及一个用于协调 driver 分批发布顺序的 driver manager，都包含在产品包中。针对本版本验证过的 SUSE Linux Micro 预编译 driver tuple 也随包提供；其他 kernel tuple 和 upstream 可变 OS driver 则需要单独准备（请参见 配置驱动程序模式）。

#选择驱动程序模式

在创建 ClusterPolicy 实例之前选择驱动程序模式。这是会改变准备内容以及 driver 交付方式的唯一决策。

在预安装 driver 模式下，operator 不会创建 driver DaemonSet。在启用 device plugin、runtime integration 或 metrics 之前，主机 driver 必须已在每个 GPU 节点上安装并处于健康状态。

每种模式的具体机制——镜像准备、air-gap 处理以及 driver spec 字段——已在 配置驱动程序模式 中统一说明。请先完成该页面中与您的模式对应的配置，然后再创建 ClusterPolicy。

#安装流程

#1. 根据所选模式准备 driver

完成上面所选模式对应的 配置驱动程序模式。这包括导入适用于您的节点 kernel 的预编译 tuple，或者同步 upstream driver 镜像，或者确认主机 driver 已存在。

#2. 在集群镜像策略中允许 driver 和 operand 镜像

如果 ACP 强制执行镜像白名单策略，并且 operator 管理 driver，请将所有必需的镜像 tag 添加到目标业务集群中的 ImageWhiteList。请在运行 GPU 节点和 driver DaemonSet 的集群中创建该白名单。

为每个受支持的镜像 tag 使用一条精确规则；不要用宽泛的通配符替代 tag。在创建或更新 ClusterPolicy 实例之前应用这些规则，并在产品升级后重新检查。

如果采用预安装 driver 模式，则可跳过此步骤，除非其他已启用的组件镜像被集群镜像策略阻止。

#3. 上传软件包

从 Customer Portal 下载并上传以下软件包：

• Alauda GPU Management operator package。
• Alauda Build of Node Feature Discovery cluster plugin package。

有关软件包上传流程，请参见 Upload Packages。

#4. 安装 Node Feature Discovery

从 Administrator > Marketplace > Cluster Plugins 安装 Alauda Build of Node Feature Discovery。

NFD 是集群共享的节点发现层。它提供 GPU 安装所依赖的 OS、kernel、architecture 和 PCI hardware 标签。Alauda GPU Management 本身不会部署 NFD——它依赖 NFD 发布的标签来检测 GPU 节点——因此 NFD 必须作为单独的先决条件安装。在创建 ClusterPolicy 实例之前，请先在目标业务集群上安装它；否则将无法检测到 GPU 节点，也不会协调任何 GPU 组件。

#5. 安装 Alauda GPU Management

1. 转到 Administrator > Marketplace > OperatorHub。
2. 切换到目标业务集群并打开 Alauda GPU Management。
3. 单击 Install。
4. 除非您的部署计划要求使用其他 namespace，否则保留默认 namespace。本文档中的命令使用默认值；如果您选择了其他 namespace，请相应替换。
5. 在生产环境中选择 Manual 升级策略。
6. 等待 operator subscription 成功，且 controller pod 正在运行。

#6. 创建 ClusterPolicy 实例

1. 打开 Installed Operators > Alauda GPU Management。
2. 打开 ClusterPolicy 选项卡。
3. 单击 Create ClusterPolicy。
4. 配置应由 operator 管理的组件。默认表单已针对本版本验证的预编译 driver 流程进行设置。

常见组件开关：

对于预编译 driver 模式，请按照 配置驱动程序模式 中的说明，在 ClusterPolicy.spec.driver 上设置 driver 的 repository 和带修订号的 version；operator 会解析与 kernel 匹配的镜像。默认表单不会自动部署一个可能与您的节点 kernel 不匹配的单独 driver CR。

#下一步

创建实例后，继续执行 验证。