CCE AI套件（NVIDIA GPU）

插件简介

CCE AI套件（NVIDIA GPU）插件是支持在容器中使用GPU显卡的设备管理插件，集群中使用GPU节点时必须安装本插件。

约束与限制

• 下载的驱动必须是后缀为“.run”的文件。
• 仅支持Nvidia Tesla驱动，不支持GRID驱动。
• 安装或重装插件时，需要保证驱动下载链接正确且可正常访问，插件对链接有效性不做额外校验。
• 插件仅提供驱动的下载及安装脚本执行功能，插件的状态仅代表插件本身功能正常，与驱动是否安装成功无关。
• 对于GPU驱动版本与您业务应用的兼容性（GPU驱动版本与CUDA库版本的兼容性），CCE不做保证，请您自行验证。
• 对于已经安装GPU驱动的自定义操作系统镜像，CCE无法保证其提供的GPU驱动与CCE其他GPU组件兼容（例如监控组件等）。

安装插件

1. 登录CCE控制台，单击集群名称进入集群，在左侧导航栏中选择“插件中心”，在右侧找到CCE AI套件（NVIDIA GPU）插件，单击“安装”。
2. 设置插件支持的“参数配置”。

   表1 CCE AI套件（NVIDIA GPU）插件参数配置

   参数	参数说明
   集群默认驱动	集群下全部GPU节点将使用相同的驱动，请选择合适的GPU驱动版本，或自定义驱动链接地址，填写Nvidia驱动的下载链接。 须知： 如果下载链接为公网地址，如nvidia官网地址（https://us.download.nvidia.com/tesla/470.103.01/NVIDIA-Linux-x86_64-470.103.01.run），各GPU节点均需要绑定EIP。获取驱动链接方法请参考获取驱动链接-公网地址。 若下载链接为OBS上的链接，无需绑定EIP 。获取驱动链接方法请参考获取驱动链接-OBS地址。 请确保Nvidia驱动版本与GPU节点适配。 更改驱动版本后，需要重启节点才能生效。

   

   插件安装完成后，GPU虚拟化和节点池驱动配置请前往“配置中心 > 异构资源配置”页进行设置。

3. 单击“安装”，安装插件的任务即可提交成功。
   

   卸载插件将会导致重新调度的GPU Pod无法正常运行，但已运行的GPU Pod不会受到影响。

验证插件

插件安装完成后，在GPU节点及调度了GPU资源的容器中执行nvidia-smi命令，验证GPU设备及驱动的可用性。

• GPU节点：

  # 插件版本为2.0.0以下时，执行以下命令：
  cd /opt/cloud/cce/nvidia/bin && ./nvidia-smi
  
  # 插件版本为2.0.0及以上时，驱动安装路径更改，需执行以下命令：
  cd /usr/local/nvidia/bin && ./nvidia-smi

• 容器：

  cd /usr/local/nvidia/bin && ./nvidia-smi

若能正常返回GPU信息，说明设备可用，插件安装成功。

获取驱动链接-公网地址

1. 登录CCE控制台。
2. 创建节点，在“节点规格”处选择要创建的GPU节点，选中后下方显示的信息中可以看到节点的GPU显卡型号。

3. 登录到NVIDIA驱动下载页面，搜索对应的驱动信息，其中操作系统必须选Linux 64-bit。
   图1 参数选择
   

4. 驱动信息确认完毕，单击“Find”按钮，会跳转到驱动信息展示页面，找到需要下载的驱动，单击“view”跳转到下载页面。
   图2 驱动信息
   

5. 鼠标右键单击“Download”按钮，复制下载链接。
   图3 获取链接
   

获取驱动链接-OBS地址

1. 将驱动上传到对象存储服务OBS中，并将驱动文件设置为公共读。
   

   节点重启时会重新下载驱动进行安装，请保证驱动的OBS桶链接长期有效。

2. 在桶列表单击待操作的桶，进入“概览”页面。
3. 在左侧导航栏，单击“对象”。
4. 单击目标对象名称，在对象详情页复制驱动链接。

组件说明

GPU指标

关于GPU指标详情请参见GPU监控指标说明。