Kubernetes GPU设备插件与资源调度治理

Kubernetes GPU设备插件与资源调度治理概览设备插件暴露 GPU 资源；通过资源请求/限制与亲和控制分配；考虑拓扑与 NUMA。技术参数（已验证）设备插件：NVIDIA Device Plugin 暴露 `nvidia.com/gpu`；支持 MIG 分片；在 DaemonSet 部署。资源请求：为 Pod 设置 `resources.requests/limits`；避免超卖；按租户隔离。拓扑亲和：结合 `TopologyManager` 与 `nodeAffinity`/`podAntiAffinity`；在多 GPU 节点优化内存与带宽。驱动与容器：启用 `nvidia-container-runtime`；镜像与驱动匹配；记录兼容矩阵。观测：记录 GPU 使用率/显存与温度；告警与自动调度。实战清单部署设备插件与监控；根据作业类型选择 MIG 与分片。在调度层设置亲和与隔离；避免资源争用与抖动。建立驱动/镜像台账与升级/回滚流程。