创建云上 Kubernetes 集群¶

部署 Kubernetes 集群是为了支持高效的 AI 算力调度和管理，实现弹性伸缩，提供高可用性，从而优化模型训练和推理过程。

前置条件¶

• 已安装 AI 算力平台已
• 有一个管理员权限的账号
• 准备一台带 GPU 的物理机
• 分配两段 IP 地址（Pod CIDR 18 位、SVC CIDR 18 位，不能与现有网段冲突）

创建步骤¶

1. 以 管理员身份 登录 AI 算力平台

2. 创建并启动 3 台不带 GPU 的云主机用作集群的 Master 节点

   • 配置资源，CPU 16 核，内存 32 GB，系统盘 200 GB（ReadWriteOnce）
   • 网络模式选择 Bridge（桥接）
   • 设置 root 密码或添加 SSH 公钥，方便以 SSH 连接
   • 记录好 3 台主机的 IP

3. 导航至 容器管理 -> 集群列表 ，点击右侧的 创建集群 按钮

4. 按照向导，配置集群的各项参数

   基本信息节点配置网络配置Addon 配置高级配置

   

   配置完节点信息后，点击 开始检查 ，

   

   

   

   每个节点默认可运行 110 个 Pod（容器组），如果节点配置比较高，可以调整到 200 或 300 个 Pod。

   

5. 等待集群创建完成。

   

6. 在集群列表中，找到刚创建的集群，点击集群名称，导航到 Helm 应用 -> Helm 模板 ，在搜索框内搜索 metax-gpu-extensions，点击卡片

   

   

7. 点击右侧的 安装 按钮，开始安装 GPU 插件

   应用设置Kubernetes 编排确认

   输入名称，选择命名空间，在 YAMl 中修改镜像地址：

   

   

8. 自动返回 Helm 应用列表，等待 metax-gpu-extensions 状态变为 已部署

   

9. 到此集群创建成功，可以去查看集群所包含的节点。你可以去创建 AI 工作负载并使用 GPU 了。

   

下一步：创建 AI 工作负载