云主机配置 GPU（vGPU）¶

本文将介绍如何在创建云主机时，配置 GPU 的前提条件。

配置云主机的 GPU 的重点是对 GPU Operator 进行配置，以便在工作节点上部署不同的软件组件，具体取决于这些节点上配置运行的 GPU 工作负载。以下三个节点为例：

controller-node-1 节点配置为运行容器。
work-node-1 节点配置为运行具有直通 GPU 的云主机。
work-node-2 节点配置为运行具有虚拟 vGPU 的云主机。

假设、限制和依赖性¶

工作节点可以运行 GPU 加速容器，也可以运行具有 GPU 直通的 GPU 加速 VM，或者具有 vGPU 的 GPU 加速 VM，但不能运行其中任何一个的组合。

工作节点可以单独运行 GPU 加速容器、具有 GPU 直通的 GPU 加速 VM，或者具有 vGPU 的 GPU 加速 VM，不支持任何组合形式。
集群管理员或开发人员需要提前了解集群情况，并正确标记节点以指示它们将运行的 GPU 工作负载类型。
运行具有 GPU 直通或vGPU的 GPU 加速 VM的工作节点被假定为裸机，如果工作节点是云主机，则需要在云主机平台上启用GPU直通功能，请向云主机平台提供商咨询。
不支持 Nvidia MIG 的 vGPU。
GPU Operator 不会自动在 VM 中安装 GPU 驱动程序。

启用 IOMMU¶

为了启用GPU直通功能，集群节点需要开启IOMMU。请参考如何开启IOMMU。如果您的集群是在云主机上运行，请咨询您的云主机平台提供商。

构建 vGPU Manager 镜像¶

注意：仅当使用 NVIDIA vGPU 时才需要构建 vGPU Manager 镜像。如果您计划仅使用 GPU 直通，请跳过此部分。

以下是构建 vGPU Manager 镜像并将其推送到镜像仓库中的步骤：

从 NVIDIA Licensing Portal 下载 vGPU 软件。
- 登录 NVIDIA Licensing Portal，转到 Software Downloads 页面。
- NVIDIA vGPU 软件位于 Software Downloads 页面的 Driver downloads 选项卡中。
- 在筛选条件中选择 VGPU + Linux ，点击下载以获取 Linux KVM 的软件包。请解压下载的文件（NVIDIA-Linux-x86_64-<version>-vgpu-kvm.run）。

打开终端克隆 container-images/driver 仓库

git clone https://gitlab.com/nvidia/container-images/driver cd driver

切换到您的操作系统对应 vgpu-manager 目录
```
cd vgpu-manager/<your-os>
```

将步骤 1 中提取的 .run 文件 copy 到当前目录

cp <local-driver-download-directory>/*-vgpu-kvm.run ./

设置环境变量
- PRIVATE_REGISTRY：专用注册表的名称，用于存储驱动程序映像。
- VERSION：NVIDIA vGPU管理器的版本，从NVIDIA软件门户下载。
- OS_TAG：必须与集群节点操作系统版本匹配。
- CUDA_VERSION：用于构建驱动程序映像的CUDA基本映像版本。
```
export PRIVATE_REGISTRY=my/private/registry VERSION=510.73.06 OS_TAG=ubuntu22.04 CUDA_VERSION=12.2.0
```

构建 NVIDIA vGPU Manager Image

docker build \
  --build-arg DRIVER_VERSION=${VERSION} \
  --build-arg CUDA_VERSION=${CUDA_VERSION} \
  -t ${PRIVATE_REGISTRY}/vgpu-manager:${VERSION}-${OS_TAG} .

将 NVIDIA vGPU Manager 映像推送到您的镜像仓库

docker push ${PRIVATE_REGISTRY}/vgpu-manager:${VERSION}-${OS_TAG}

标记集群节点¶

进入 容器管理 ，选取您的工作集群，然后点击 节点管理 , 进入列表页面。点击列表右侧的 ┇ ，选择 修改标签 ，为节点添加标签，每个节点只能有一种标签。

您可以为标签分配以下值：container、vm-passthrough 和 vm-vgpu。

标记标签

安装 Nvidia Operator¶

进入 容器管理 ，选取您的工作集群，点击 Helm 应用 -> Helm 模板 ，选择并安装 gpu-operator。需要修改一些 yaml 中的相关字段。

gpu-operator.sandboxWorkloads.enabled=true
gpu-operator.vgpuManager.enabled=true
gpu-operator.vgpuManager.repository=<your-register-url>      # (1)!
gpu-operator.vgpuManager.image=vgpu-manager
gpu-operator.vgpuManager.version=<your-vgpu-manager-version> # (2)!
gpu-operator.vgpuDeviceManager.enabled=true

“构建 vGPU Manager 镜像” 步骤中的镜像仓库地址
“构建 vGPU Manager 镜像” 步骤中的 VERSION

等待安装成功，如下图所示：

安装 virtnest-agent 并配置 CR¶

安装 virtnest-agent，参考安装 virtnest-agent。

将 vGPU 和 GPU 直通加入 Virtnest Kubevirt CR，以下示例是添加 vGPU 和 GPU 直通后的部分关键 yaml：

spec:
  configuration:
    developerConfiguration:
      featureGates:
      - GPU
      - DisableMDEVConfiguration
    permittedHostDevices: # (1)!
      mediatedDevices:            # (2)!
      - mdevNameSelector: GRID P4-1Q
        resourceName: nvidia.com /GRID_P4-1Q
      pciHostDevices:             # (3)!
      - externalResourceProvider:  true
        pciVendorSelector: 10DE:1BB3
        resourceName: nvidia.com /GP104GL_TESLA_P4

下面是需要填写的信息
vGPU
GPU 直通

在 kubevirt CR yaml 中，permittedHostDevices 用于导入 VM 设备，vGPU 需在其中添加 mediatedDevices，具体结构如下：
```
mediatedDevices:          
- mdevNameSelector: GRID P4-1Q          # (1)!
  resourceName: nvidia.com/GRID_P4-1Q   # (2)!
```
1. 设备名称
2. GPU Operator 注册到节点的 vGPU 信息

GPU 直通需要在 permittedHostDevices 下添加 pciHostDevices，具体结构如下：

pciHostDevices:           
- externalResourceProvider: true            # (1)!
  pciVendorSelector: 10DE:1BB3              # (2)!
  resourceName: nvidia.com/GP104GL_TESLA_P4 # (3)!

默认不要更改
当前 pci 设备的 vednor id
GPU Operator 注册到节点的 GPU 信息

获取 vGPU 信息示例（仅适用于 vGPU）：在标记为 nvidia.com/gpu.workload.config=vm-gpu 的节点（例如 work-node-2）上查看节点信息， Capacity 中的 nvidia.com/GRID_P4-1Q: 8 表示可用 vGPU：

  cpu:   devices.kubevirt.io/kvm:   devices.kubevirt.io/tun:   devices.kubevirt.io/vhost-net:   ephemeral-storage:   hugepages-1Gi:   hugepages-2Mi:   memory:   nvidia.com/GRID_P4-1Q :   pods: Allocatable:  cpu:   devices.kubevirt.io/kvm:   devices.kubevirt.io/tun:   devices.kubevir   ephemeral-storage:   hugepages-1Gi:   hugepages-2Mi:   memory:   nvidia.com/GRID_P4-1Q:   pods:



10-1">kubectl describe node work-node-2 11-1">Capacity: 64 1k 1k 1k 102626232Ki 0 0 264010840Ki 8 110 n> 64 1k 1k t.io/vhost-net:        1k 94580335255 0 0 263908440Ki 8 110
那么 mdevNameSelector 应该是 “GRID P4-1Q”，resourceName 应该是 “GRID_P4-1Q”



获取 GPU 直通信息：在标记 nvidia.com/gpu.workload.config=vm-passthrough 的 node 上（本文档示例 node 为 work-node-1），
   查看 node 信息，Capacity 中 nvidia.com/GP104GL_TESLA_P4: 2 就是可用 vGPU：
kubectl describe node work-node-1

Capacity:
  cpu:                            64
  devices.kubevirt.io/kvm:        1k
  devices.kubevirt.io/tun:        1k
  devices.kubevirt.io/vhost-net:  1k
  ephemeral-storage:              102626232Ki
  hugepages-1Gi:                  0
  hugepages-2Mi:                  0
  memory:                         264010840Ki
  nvidia.com/GP104GL_TESLA_P4:    2
  pods:                           110
Allocatable:
  cpu:                            64
  devices.kubevirt.io/kvm:        1k
  devices.kubevirt.io/tun:        1k
  devices.kubevirt.io/vhost-net:  1k
  ephemeral-storage:              94580335255
  hugepages-1Gi:                  0
  hugepages-2Mi:                  0
  memory:                         263908440Ki
  nvidia.com/GP104GL_TESLA_P4:    2
  pods:                           110

那么 resourceName 应该是 “GRID_P4-1Q”, 如何获取 pciVendorSelector 呢？通过 ssh 登录到 work-node-1 目标节点，
通过 lspci -nnk -d 10de: 命令获取 Nvidia GPU PCI 信息，如下所示：红框所示即是 pciVendorSelector 信息。



编辑 kubevirt CR 提示：如果同一型号 GPU 有多个，只需在 CR 中写入一个即可，无需列出每个 GPU。
kubectl -n virtnest-system edit kubevirt kubevirt

spec:
  configuration:
    developerConfiguration:
      featureGates:
      - GPU
      - DisableMDEVConfiguration
    permittedHostDevices: # (1)!
      mediatedDevices:                    # (2)!
      - mdevNameSelector: GRID P4-1Q
        resourceName: nvidia.com/GRID_P4-1Q
      pciHostDevices:                       # (3)!
      - externalResourceProvider: true
        pciVendorSelector: 10DE:1BB3
        resourceName: nvidia.com/GP104GL_TESLA_P4 


下面是需要填写的信息
vGPU
GPU 直通，上面的示例中 TEESLA P4 有两个 GPU，这里只需要注册一个即可


通过 YAML 创建 VM 并使用 GPU 加速¶
与普通云主机唯一的区别是在 devices 中添加 gpu 相关信息。

点击查看完整 YAML
apiVersion: kubevirt.io/v1
kind: VirtualMachine
metadata:
  name: testvm-gpu1
  namespace: default
spec:
  dataVolumeTemplates:
  - metadata:
      creationTimestamp: null
      name: systemdisk-testvm-gpu1
      namespace: default
    spec:
      pvc:
        accessModes:
        - ReadWriteOnce
        resources:
          requests:
            storage: 10Gi
        storageClassName: www
      source:
        registry:
          url: docker://release-ci.daocloud.io/virtnest/system-images/debian-12-x86_64:v1
runStrategy: Manual
template:
    metadata:
      creationTimestamp: null
    spec:
      domain:
        cpu:
          cores: 1
          sockets: 1
          threads: 1
        devices:
          disks:
          - bootOrder: 1
            disk:
              bus: virtio
            name: systemdisk-testvm-gpu1
          - disk:
              bus: virtio
            name: cloudinitdisk
        gpus:
        - deviceName: nvidia.com/GP104GL_TESLA_P4
            name: gpu-0-0
        - deviceName: nvidia.com/GP104GL_TESLA_P4
          name: gpu-0-1
        interfaces:
        - masquerade: {}
          name: default
      machine:
        type: q35
      resources:
        requests:
          memory: 2Gi
    networks:
    - name: default
      pod: {}
    volumes:
    - dataVolume:
        name: systemdisk-testvm-gpu1
      name: systemdisk-testvm-gpu1
    - cloudInitNoCloud:
        userDataBase64: I2Nsb3VkLWNvbmZpZwpzc2hfcHdhdXRoOiB0cnVlCmRpc2FibGVfcm9vdDogZmFsc2UKY2hwYXNzd2Q6IHsibGlzdCI6ICJyb290OmRhbmdlcm91cyIsIGV4cGlyZTogRmFsc2V9CgoKcnVuY21kOgogIC0gc2VkIC1pICIvI1w/UGVybWl0Um9vdExvZ2luL3MvXi4qJC9QZXJtaXRSb290TG9naW4geWVzL2ciIC9ldGMvc3NoL3NzaGRfY29uZmlnCiAgLSBzeXN0ZW1jdGwgcmVzdGFydCBzc2guc2VydmljZQ==
        name: cloudinitdisk







2024年10月31日





GitHub










        Was this page helpful?
      







              
              
                
              
              Thanks for your feedback!
            

              
              
                
              
              Thanks for your feedback! You can provide some comments if possible.