K8S节点GPU虚拟化(vGPU)

本文主要是介绍K8S节点GPU虚拟化(vGPU)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

vGPU实现方案
4paradigm提供了k8s-device-plugin，该插件基于NVIDIA官方插件(NVIDIA/k8s-device-plugin)，在保留官方功能的基础上，实现了对物理GPU进行切分，并对显存和计算单元进行限制，从而模拟出多张小的vGPU卡。在k8s集群中，基于这些切分后的vGPU进行调度，使不同的容器可以安全的共享同一张物理GPU，提高GPU的利用率。此外，插件还可以对显存做虚拟化处理（使用到的显存可以超过物理上的显存），运行一些超大显存需求的任务，或提高共享的任务数。

部署

需要在节点上将nvidia runtime做为你的docker runtime预设值。我们将编辑docker daemon的配置文件，此文件通常在/etc/docker/daemon.json路径：

{"default-runtime": "nvidia","runtimes": {"nvidia": {"path": "/usr/bin/nvidia-container-runtime","runtimeArgs": []}}"default-shm-size": "2G"
}

虚拟化之前，在GPU节点启动一个GPU应用pod，通过nvidia-smi 

这篇关于K8S节点GPU虚拟化(vGPU)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---