MicroK8s 中使用 NVIDIA H100 GPU 的配置指南
2025-05-26 07:07:23作者:沈韬淼Beryl
问题背景
在 Kubernetes 集群中使用高性能 GPU 资源是现代 AI 和机器学习工作负载的常见需求。本文记录了在 MicroK8s 环境中配置和使用 NVIDIA H100 GPU 的完整过程,包括遇到的问题及其解决方案。
环境准备
首先需要在 Azure 虚拟机上部署以下环境:
- Ubuntu 操作系统
- NVIDIA H100 GPU 硬件
- 已安装 NVIDIA 驱动程序 550.90.07 版本
- CUDA 12.4 环境
初始配置步骤
- 安装 MicroK8s 1.28/stable 版本
- 启用必要的 MicroK8s 插件:DNS、hostpath-storage、ingress、metallb 和 RBAC
- 尝试启用 GPU 支持并部署测试 Pod
遇到的问题
在初始配置后,测试 Pod 无法正常调度,出现以下关键错误信息:
- Pod 调度失败,提示 "Insufficient nvidia.com/gpu"
- NVIDIA 容器工具包日志显示设备节点创建失败
- 验证容器报告无法创建 /dev/nvidiactl 的符号链接
根本原因分析
经过排查,发现问题的核心在于:
- 默认安装的 GPU Operator 版本(v23.9.1)不完全支持 H100 GPU 和较新的驱动程序(550系列)
- 系统存在设备节点创建冲突
- 符号链接验证机制与新硬件存在兼容性问题
解决方案
经过多次尝试,最终确定以下配置方案可以解决问题:
-
使用特定版本的 GPU Operator: 通过指定 v24.3.0 版本的 GPU Operator 解决了兼容性问题:
microk8s enable gpu --version v24.3.0
-
使用更新的测试镜像: 替换原来的测试镜像为 NVIDIA 官方提供的新版本:
image: "nvidia/samples:vectoradd-cuda11.2.1"
-
完整的测试 Pod 配置:
apiVersion: v1 kind: Pod metadata: name: cuda-vectoradd spec: restartPolicy: OnFailure containers: - name: cuda-vectoradd image: "nvidia/samples:vectoradd-cuda11.2.1" resources: limits: nvidia.com/gpu: 1
验证结果
应用上述配置后,测试 Pod 成功运行并输出:
[Vector addition of 50000 elements]
Test PASSED
注意事项
- 较新版本的 GPU Operator(如 v24.9.0)可能会引入新的兼容性问题
- YAML 文件中的缩进必须严格正确
- 不同版本的 CUDA 可能需要匹配不同的测试镜像
总结
在 MicroK8s 中使用最新的 NVIDIA GPU 硬件时,需要注意选择合适的 GPU Operator 版本和测试镜像。本文提供的配置方案经过实际验证,可以作为在类似环境中部署 H100 GPU 的参考。对于生产环境,建议在部署前充分测试不同版本的组合,确保系统稳定性。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0289Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
164
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
952
560

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.01 K
396

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
407
387

React Native鸿蒙化仓库
C++
199
279

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0