Alauda GPU Management
  • 简体中文

    • 兼容性

    使用此页面检查 Alauda GPU Management 部署是否匹配受支持的产品范围。

    目录

    产品支持范围验证层级预编译驱动 image 兼容性已知限制

    产品支持范围

    项目支持范围
    ACPv4.0-v4.3
    架构amd64 (x86_64)
    驱动模式预编译驱动（immutable OS）、预装主机驱动，或上游驱动（mutable OS）
    Runtime 集成由 container toolkit 配置 nvidia RuntimeClass 后，对 nvidia.com/gpu 的 Device plugin 分配
    监控DCGM-Exporter；ACP 负责 GPU dashboard
    节点发现Alauda Build of Node Feature Discovery 作为单独的前置 prerequisite plugin（不包含在此包中）；GPU Feature Discovery 由此包提供
    可选组件MIG（由用户提供 mig-manager image，且硬件需支持 MIG）；vGPU、KubeVirt passthrough、confidential computing 和 GPUDirect Storage 为 feature-gated，且不包含在默认包中

    验证层级

    并非 operator 接受的所有配置都已完成端到端验证。下表记录了此版本的验证级别。

    配置硬件 / OS验证级别
    预编译驱动、默认流程、重启存活SUSE Linux Micro 5.5（kernel 5.14.21-150500.55.166）、RTX 4090 + Tesla T4已完成 e2e 验证
    预装主机驱动（driver.enabled=false）RHEL 9.6、Tesla P100、host driver 570.124.06已完成 e2e 验证
    通过 OLM skipRange 升级到 v26.3.3-1同上，并存在 ClusterPolicy已验证（平滑升级，driver 未重新构建）
    跨 driver 版本迁移（570 ↔ 580）同上已验证（在模块重载期间 GPU 会有短暂不可用窗口）
    上游驱动（mutable OS，nvcr.io）Ubuntu / RHEL未验证——可配置，但超出此版本范围
    MIG 分区支持 MIG 的 GPU本版本未验证——作为后续单独任务

    未列为已验证但被接受的配置，仅在参数级别受支持；在生产使用前，请结合你的环境进行确认。

    预编译驱动 image 兼容性

    预编译驱动 image 与 kernel 强相关：它只能加载到其构建时所对应的确切 kernel 上。tuple tag 编码了 driver version（包括 Alauda revision）、完整的 kernel release 以及 OS：

    <driver-version>-<kernel-release>-<os>
# example: 580.126.09.1-5.14.21-150500.55.166-default-sle-micro5.5

    产品包会提供本版本中已验证的 tuple（R580、SUSE Linux Micro 5.5、kernel 5.14.21-150500.55.166）。其他 tuple 可在 Docker Hub 上获取；请按照 配置驱动模式 的说明导入与你的 node 匹配的 tuple。

    driver version（例如 R580 或 R570）是你为工作负载做出的选择。kernel 和 OS 是 node 的固有信息，必须完全匹配——为不同 kernel 构建的 tuple 并不会使该 kernel 变得兼容。如果你的 node kernel 没有已发布的 tuple，请携带 uname -r 和 GPU model 联系 Alauda Customer Support 以进行按需构建；对于未测试的 kernel，不会预先发布 tuple。

    已知限制

    • 不支持从先前的 standalone cluster-plugin 交付模型原地迁移到 operator。请先卸载 standalone plugins，再安装 operator。
    • driver 版本变更会重新加载 node 上的 kernel modules；该 node 上的 GPU workloads 在重载期间将失去 GPU 访问。请将其规划为 node 维护窗口。
    • 上游 mutable-OS driver 模式会在 node 上构建 kernel modules；air-gapped 集群需要内部的 kernel-headers 源（driver.repoConfig）。
    • 本版本未在 MIG 硬件上验证 MIG，且需要用户提供 mig-manager image。
    • 厂商硬件健康状况、firmware 和底层 driver 调优不在本文档范围内，应遵循 NVIDIA 指南。