k8s-rdma-device-plugin 使用教程

1. 项目介绍

k8s-rdma-device-plugin 是一个用于 Kubernetes 的设备插件，专门用于管理 RDMA（远程直接内存访问）设备。RDMA 是一种高性能网络协议，具有零拷贝、内核旁路和无 CPU 参与等优势，适用于需要高带宽和低延迟的应用场景。

该项目的主要功能包括：

• 允许在 Kubernetes 集群中的容器内使用 RDMA 设备。
• 支持与 sriov-cni 插件配合使用，提供高性能网络连接。
• 适用于分布式应用程序，特别是 GPU 分布式应用程序，如 TensorFlow、Spark 等。

2. 项目快速启动

2.1 环境准备

在开始之前，确保你的节点已经安装了 libibverbs 库。对于 CentOS 系统，可以使用以下命令安装：

yum install libibverbs-devel -y

2.2 构建项目

克隆项目仓库并进行构建：

git clone https://github.com/hustcat/k8s-rdma-device-plugin.git
cd k8s-rdma-device-plugin
./build

构建完成后，会在 bin 目录下生成 k8s-rdma-device-plugin 二进制文件。

2.3 在 Kubernetes 中运行

2.3.1 手动运行设备插件

在 RDMA 节点上，启动 kubelet 时添加 --feature-gates=DevicePlugins=true 参数，然后运行设备插件：

bin/k8s-rdma-device-plugin -master eth1 -v 4

2.3.2 使用 DaemonSet 部署

你也可以将设备插件部署为 DaemonSet：

kubectl -n kube-system apply -f rdma-device-plugin.yml

部署完成后，检查设备插件的运行状态：

kubectl -n kube-system get pods | grep rdma-device-plugin

2.4 运行 RDMA 容器

创建一个使用 RDMA 设备的 Pod：

apiVersion: v1
kind: Pod
metadata:
  name: rdma-pod
spec:
  containers:
  - name: rdma-container
    image: mellanox/mofed421_docker:noop
    securityContext:
      capabilities:
        add: ["ALL"]
    resources:
      limits:
        tencent.com/rdma: 1  # 请求 1 个 RDMA 设备

3. 应用案例和最佳实践

3.1 分布式机器学习

在分布式机器学习场景中，RDMA 设备可以显著提高数据传输效率。例如，使用 TensorFlow 进行分布式训练时，可以将 RDMA 设备分配给每个训练节点，以减少数据传输的延迟和 CPU 开销。

3.2 高性能计算

在高性能计算（HPC）环境中，RDMA 设备可以用于加速 MPI（消息传递接口）应用程序。通过在 Kubernetes 中使用 k8s-rdma-device-plugin，可以轻松地将 RDMA 设备分配给 HPC 任务，从而提高整体计算性能。

4. 典型生态项目

4.1 sriov-cni

sriov-cni 是一个用于 Kubernetes 的 CNI 插件，支持 SR-IOV（单根 I/O 虚拟化）网络设备。与 k8s-rdma-device-plugin 配合使用，可以为容器提供高性能的网络连接。

4.2 NVIDIA GPU Operator

NVIDIA GPU Operator 是一个用于 Kubernetes 的 Operator，用于管理和分配 NVIDIA GPU 资源。在高性能计算场景中，可以将 k8s-rdma-device-plugin 与 NVIDIA GPU Operator 结合使用，确保 RDMA 设备和 GPU 设备在同一 PCIe 交换机下，以获得最佳性能。

通过以上步骤，你可以在 Kubernetes 集群中轻松管理和使用 RDMA 设备，从而提升应用程序的性能和效率。