【亲测免费】 NVIDIA GPU设备插件在Kubernetes上的安装与配置完全指南

项目基础介绍及编程语言

NVIDIA GPU设备插件是由NVIDIA官方维护的一个开源项目，它允许在Kubernetes集群中自动管理GPU资源，使容器能够访问节点上的GPU。此项目主要使用Golang作为开发语言，兼容Kubernetes环境下的容器化应用，让深度学习、高性能计算等场景可以更便捷地利用GPU算力。

关键技术和框架

• Kubernetes Device Plugin机制：该插件基于Kubernetes的设备插件架构实现，使得Kubernetes能够识别并管理NVIDIA GPU。
• Docker和Containerd支持：要求环境中已安装NVIDIA Docker或NVIDIA Container Toolkit，以便容器可以访问GPU资源。
• Helm图表部署：提供了Helm图表以简化在Kubernetes中的部署过程。
• GPU Feature Discovery：支持自动发现GPU特性，并通过标签添加到节点上，便于自动化的GPU节点选择。

安装和配置步骤

准备工作

系统要求

• NVIDIA驱动：至少版本384.81。
• NVIDIA Docker / Container Toolkit：对于NVIDIA Docker，需>=2.0；NVIDIA Container Toolkit应>=1.7.0。
• Kubernetes版本：>=1.10。
• 配置低级别运行时：确保nvidia-container-runtime被设置为默认运行时。

安装NVIDIA Container Toolkit

对于基于Debian的系统（如Ubuntu），执行以下命令安装NVIDIA Container Toolkit并配置Docker和containerd（如果适用）：

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update && sudo apt-get install -y nvidia-docker2
sudo systemctl restart docker

对于CRI-O配置，请按NVIDIA文档指引，在/etc/crio/crio.conf.d/99-nvidia.conf配置文件中指定nvidia-container-runtime为默认运行时。

安装NVIDIA GPU设备插件

手动部署

对于快速测试，可以直接在所有GPU节点上部署静态DaemonSet：

kubectl create -f https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/v0.16.1/deployments/static/nvidia-device-plugin.yml

使用Helm进行生产部署

1. 添加NVIDIA设备插件的Helm仓库（假设仓库地址已经更新）：

   helm repo add nvdp https://nvidia.github.io/k8s-device-plugin
   helm repo update
   

2. 部署Helm chart，创建必要的命名空间并部署插件：

   helm upgrade -i nvdp nvdp/nvidia-device-plugin \
       --namespace=nvidia-device-plugin \
       --create-namespace \
       --version=0.16.1
   

配置详情

设备插件可以通过命令行参数、环境变量或者配置文件来定制配置。例如，通过Helm图鉴可以调整如GPU资源限制、健康检查策略等配置项。

请求GPU资源

在Pod定义中加入对GPU的请求：

apiVersion: v1
kind: Pod
metadata:
  name: gpu-pod
spec:
  containers:
    - name: cuda-container
      image: nvcr.io/nvidia/k8s/cuda-sample:vectoradd-cuda10.2
      resources:
        limits:
          nvidia.com/gpu: 1
      tolerations:
        - key: "nvidia.com/gpu"
          operator: "Exists"
          effect: "NoSchedule"

完成以上步骤后，您的Kubernetes集群将能够管理和分配GPU资源给相应的容器化作业，从而为深度学习和其他GPU密集型任务提供高效的支持。记住，针对特定需求，深入阅读官方文档以获取更多高级配置选项是关键。