#介绍

#硬件加速器介绍

Kubernetes 硬件加速器套件是一款面向企业级的解决方案，用于优化云原生环境中的 GPU 资源分配、隔离和共享。基于 Kubernetes 设备插件和 NVIDIA 原生技术构建，提供三个核心模块：

1. vGPU 模块
   基于开源 GPU-Manager，实现细粒度的 GPU 虚拟化，将物理 GPU 切分为具有内存/计算配额的可共享虚拟单元。非常适合需要动态资源分配的多租户环境。

2. pGPU 模块
   利用 NVIDIA 官方设备插件，提供完整的物理 GPU 隔离和 NUMA 感知调度。专为需要专用 GPU 访问的高性能计算（HPC）工作负载设计。

3. MPS 模块
   实现 NVIDIA 的多进程服务，允许并发 GPU 上下文执行并施加资源限制。通过 CUDA 内核融合优化延迟敏感型应用。

#产品优势

#vGPU 模块

• 动态切片：将 GPU 切分以支持多进程共享同一物理 GPU
• QoS 保证：保障计算单元（vcuda-core）和内存配额（vcuda-memory）

#pGPU 模块

• 硬件级隔离：通过 IOMMU 保护的 PCIe 直通
• NUMA 优化：自动绑定 NUMA 节点，减少跨插槽数据传输

#MPS 模块

• 低延迟执行：通过 CUDA 上下文融合降低 30-50% 延迟
• 资源限制：限制单进程 GPU 计算（0-100%）和内存使用
• 零代码改动：兼容未修改的 CUDA 应用

#应用场景

#vGPU 使用场景

• 多租户 AI 平台：跨团队共享 A100/H100 GPU，保障 SLA
• VDI 环境：为 CAD/3D 渲染提供 GPU 加速虚拟桌面
• 批量推理：通过分配部分 GPU 资源实现模型服务并行化

#pGPU 使用场景

• HPC 集群：运行 MPI 作业，独占 GPU 访问，用于天气模拟
• 机器学习训练：大语言模型训练的全 GPU 利用
• 医学影像：处理高分辨率 MRI 数据，无资源争用

#MPS 使用场景

• 实时推理：使用并发 CUDA 流实现低延迟视频分析
• 微服务编排：在共享硬件上共置多个 GPU 微服务
• 高并发服务：推荐系统 QPS 提升 3 倍

#技术限制

#需要特权权限

#硬件设备访问要求

设备文件权限
NVIDIA GPU 设备需要直接访问受保护的系统资源：

# 设备文件所有权和权限
ls -l /dev/nvidia*
crw-rw-rw- 1 root root 195,   0 Aug 1 10:00 /dev/nvidia0
crw-rw-rw- 1 root root 195, 255 Aug 1 10:00 /dev/nvidiactl
crw-rw-rw- 1 root root 195, 254 Aug 1 10:00 /dev/nvidia-uvm

• 要求：需要 root 权限读写设备文件
• 后果：非 root 容器会出现权限拒绝错误

#内核级操作

关键 NVIDIA 驱动交互

#K8s 设备插件架构要求

1. Socket 创建：写入 /var/lib/kubelet/device-plugins
2. 健康监控：访问 nvidia-smi 和内核日志
3. 资源分配：修改设备 cgroups

#vGPU 限制

• 仅支持 CUDA 版本低于 12.4
• 启用 vGPU 时不支持 MIG

#pGPU 限制

• 不支持 GPU 共享（1:1 pod 到 GPU 映射）
• 需要 Kubernetes 1.25+ 并启用 SR-IOV
• 仅限 PCIe/NVSwitch 连接的 GPU

#MPS 限制

• 融合上下文可能导致故障传播
• 需要 CUDA 11.4+ 支持内存限制
• 不支持 MIG 切片 GPU