#安装

#前提条件

• 对您的 ACP 集群具有集群管理员权限
• NvidiaDriver：v450 及以上版本
• ACP 版本：v3.18、v4.0、v4.1

#操作步骤

#在您的 GPU 节点安装 Nvidia 驱动

建议参考 Nvidia 官方网站安装指南

#安装 Nvidia Container Runtime

建议参考 Nvidia Container Toolkit 安装指南

#在 GPU 节点添加 Nvidia yum 源

注意：确保 GPU 节点可以访问 nvidia.github.io

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.repo | sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo
yum makecache -y

当出现“Metadata cache created.”消息时，表示添加成功。

#安装 Nvidia Container Runtime

yum install nvidia-container-toolkit -y

当提示“Complete!”时，表示安装成功。

#配置默认 Container Runtime

在已安装 nvidia-container-toolkit 并需要使用当前插件的 GPU 节点上，需要配置默认容器运行时。

将以下配置添加到文件中：

1. Containerd：更新 /etc/containerd/config.toml 文件，检查是否存在 nvidia runtime，然后将 default_runtime_name 更新为 nvidia。

   [plugins]
    [plugins."io.containerd.grpc.v1.cri"]
      [plugins."io.containerd.grpc.v1.cri".containerd]
   ...
         default_runtime_name = "nvidia"
   ...
           [plugins."io.containerd.grpc.v1.cri".containerd.runtimes]
   ...
             [plugins."io.containerd.grpc.v1.cri".containerd.runtimes.runc]
               runtime_type = "io.containerd.runc.v2"
               runtime_engine = ""
               runtime_root = ""
               privileged_without_host_devices = false
               base_runtime_spec = ""
               [plugins."io.containerd.grpc.v1.cri".containerd.runtimes.runc.options]
                 SystemdCgroup = true
             [plugins."io.containerd.grpc.v1.cri".containerd.runtimes.nvidia]
               privileged_without_host_devices = false
               runtime_engine = ""
               runtime_root = ""
               runtime_type = "io.containerd.runc.v1"
               [plugins."io.containerd.grpc.v1.cri".containerd.runtimes.nvidia.options]
                 BinaryName = "/usr/bin/nvidia-container-runtime"
                 SystemdCgroup = true
   ...
2. Docker：更新 /etc/docker/daemon.json 文件：

   {
   ...
      "default-runtime": "nvidia",
      "runtimes": {
      "nvidia": {
          "path": "/usr/bin/nvidia-container-runtime"
          }
      },
   ...
   }

#重启 Containerd / Docker

• Containerd

  $ systemctl restart containerd
  
  # 检查默认运行时是否为 nvidia
  $ crictl info |grep Runtime
  ...
        "defaultRuntimeName": "nvidia"
  ...

• Docker

  
  $ systemctl restart docker
  
  # 检查默认运行时是否为 nvidia
  $ docker info |grep Runtime
  ...
   Default Runtime: nvidia

#下载集群插件

#上传集群插件

有关上传集群插件的更多信息，请参见

#安装 Alauda Build of NVIDIA GPU Device Plugin

1. 在您的 GPU 节点添加标签 "nvidia-device-enable=pgpu"，以便调度 nvidia-device-plugin。

   kubectl label nodes {nodeid} nvidia-device-enable=pgpu

   注意：同一节点不能同时拥有 gpu=on 和 nvidia-device-enable=pgpu 两个标签

2. 进入 Administrator -> Marketplace -> Cluster Plugin 页面，切换到目标集群，然后部署 Alauda Build of NVIDIA GPU Device Plugin 集群插件。 注意：部署表单参数可以保持默认，也可以在了解用法后进行修改。

3. 验证结果。您可以在 UI 中看到状态为“Installed”，或者通过以下命令检查 pod 状态：

   kubectl get pods -n kube-system | grep  "nvidia-device-plugin"

4. 最后，您可以在 ACP 创建应用时看到以资源形式展示的 Extended Resources，然后可以选择 GPU core。

#安装 Alauda Build of DCGM-Exporter

1. 进入 Administrator -> Marketplace -> Cluster Plugin 页面，切换到目标集群，然后部署 Alauda Build of DCGM-Exporter 集群插件： 在弹出表单中设置节点标签：

• 节点标签键：nvidia-device-enable
• 节点标签值：pgpu

如果需要为 Hami 启用 dcgm-exporter，可以添加另一个标签：

• 节点标签键：gpu
• 节点标签值：on

2. 验证结果。您可以在 UI 中看到状态为“Installed”，或者通过以下命令检查 pod 状态：

   kubectl get pods -n kube-system | grep dcgm-exporter