计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive

CCE AI套件(NVIDIA GPU)

更新时间:2025-02-18 GMT+08:00

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)。
  • 如果您使用不在GPU驱动支持列表内的GPU驱动版本,可能引发GPU驱动与操作系统版本、ECS实例类型、Container Runtime等不兼容,继而导致驱动安装失败或者GPU插件异常。对于使用自定义GPU驱动的场景,请您自行验证。

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. 选择是否“启用dcgm-exporter组件进行DCGM指标观测”,开启后将在GPU节点上同时部署dcgm-exporter组件。

    启用dcgm-exporter组件后,采集的GPU监控数据如需上报AOM服务,请安装云原生监控插件并开启上报至AOM服务开关,同时前往“配置中心 > 监控运维配置”页开启dcgm-exporter组件的ServiceMonitor。对于上报至AOM服务的GPU指标属于自定义指标,将进行按需收费,详情请参见价格详情
    须知:

    插件版本为2.7.40及以上时,支持部署dcgm-exporter组件。dcgm-exporter组件保持社区能力,暂不支持共享模式和GPU虚拟化。

  3. 设置插件支持的“参数配置”

    表1 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。配套关系请参见GPU驱动支持列表
    • 更改驱动版本后,需要重启节点才能生效。
    • 对于Linux 5.x内核系统:Huawei Cloud EulerOS 2.0建议使用470及以上版本驱动;Ubuntu 22.04建议使用515及以上版本驱动。
    说明:

    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。

  4. 单击“安装”,安装插件的任务即可提交成功。

    说明:

    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。

GPU驱动支持列表

须知:
  • 当前GPU驱动支持列表仅针对1.2.28及以上版本的GPU插件。
  • 如果您需要安装最新版本的GPU驱动,请将您的GPU插件升级到最新版本。
表2 GPU驱动支持列表

GPU型号

支持集群类型

机型规格

操作系统

Huawei Cloud EulerOS 2.0(支持GPU虚拟化)

Ubuntu 22.04.4

Ubuntu 22.04.3

CentOS Linux release 7.6

EulerOS release 2.9

EulerOS release 2.5

Ubuntu 18.04(停止维护)

EulerOS release 2.3(停止维护)

Tesla T4

CCE Standard集群

g6

pi2

535.54.03

510.47.03

470.57.02

535.161.08

535.54.03

470.141.03

535.54.03

470.141.03

535.54.03

470.141.03

535.54.03

470.141.03

470.141.03

470.141.03

Volta V100

CCE Standard集群

p2s

p2vs

p2v

535.54.03

510.47.03

470.57.02

535.161.08

535.54.03

470.141.03

535.54.03

470.141.03

535.54.03

470.141.03

535.54.03

470.141.03

470.141.03

470.141.03

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。

    图1 查看显卡型号

  1. 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2 参数选择

  2. 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3 驱动信息

  3. 鼠标右键单击“Download”按钮,复制下载链接。

    图4 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,方法请参见上传文件

    说明:

    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。

    图5 复制OBS链接

组件说明

表3 gpu插件组件

容器组件

说明

资源类型

nvidia-driver-installer

为节点安装Nvidia GPU驱动的工作负载,仅在安装场景占用资源,安装完成后无资源占用。

DaemonSet

nvidia-gpu-device-plugin

为容器提供Nvidia GPU异构算力的Kubernetes设备插件。

DaemonSet

nvidia-operator

为集群提供Nvidia GPU节点管理能力。

Deployment

GPU指标

关于GPU指标详情请参见GPU监控指标说明

版本记录

表4 CCE AI套件(NVIDIA GPU)版本记录

插件版本

支持的集群版本

更新特性

2.7.42

v1.28

v1.29

v1.30

v1.31

新增NVIDIA 535.216.03驱动,支持XGPU特性

2.7.41

v1.28

v1.29

v1.30

v1.31

新增NVIDIA 535.216.03驱动,支持XGPU特性

2.7.40

v1.28

v1.29

v1.30

v1.31

集成DCGM-Exporter,为集群提供Nvidia GPU节点DCGM指标观测能力

2.7.19

v1.28

v1.29

v1.30

修复nvidia-container-toolkit CVE-2024-0132容器逃逸漏洞

2.7.13

v1.28

v1.29

v1.30

  • 支持节点池粒度配置XGPU
  • 支持GPU渲染场景
  • 支持v1.30集群

2.6.4

v1.28

v1.29

更新GPU卡逻辑隔离逻辑

2.6.1

v1.28

v1.29

升级GPU插件基础镜像

2.5.6

v1.28

修复安装驱动的问题

2.5.4

v1.28

支持v1.28集群

2.1.24

v1.21

v1.23

v1.25

v1.27

GPU基础指标中增加XGPU数据

2.1.14

v1.21

v1.23

v1.25

v1.27

修复nvidia-container-toolkit CVE-2024-0132容器逃逸漏洞

2.1.8

v1.21

v1.23

v1.25

v1.27

修复部分问题

2.0.69

v1.21

v1.23

v1.25

v1.27

升级GPU插件基础镜像

2.0.46

v1.21

v1.23

v1.25

v1.27

  • 支持535版本Nvidia驱动
  • 支持非root用户使用XGPU
  • 优化启动逻辑

2.0.18

v1.21

v1.23

v1.25

v1.27

支持HCE 2.0

1.2.28

v1.19

v1.21

v1.23

v1.25

  • 适配OS Ubuntu22.04
  • GPU驱动目录自动挂载优化

1.2.24

v1.19

v1.21

v1.23

v1.25

  • 节点池支持配置GPU驱动版本
  • 支持GPU指标采集

1.2.20

v1.19

v1.21

v1.23

v1.25

设置插件别名为gpu

1.2.17

v1.15

v1.17

v1.19

v1.21

v1.23

增加nvidia-driver-install pod limits 配置

1.2.15

v1.15

v1.17

v1.19

v1.21

v1.23

适配CCE v1.23集群

1.2.11

v1.15

v1.17

v1.19

v1.21

支持EulerOS 2.10系统

1.2.10

v1.15

v1.17

v1.19

v1.21

CentOS系统支持新版本GPU驱动

1.2.9

v1.15

v1.17

v1.19

v1.21

适配CCE v1.21集群

1.2.2

v1.15

v1.17

v1.19

适配EulerOS新内核

1.2.1

v1.15

v1.17

v1.19

  • 适配CCE v1.19集群
  • 插件增加污点容忍

1.1.13

v1.13

v1.15

v1.17

支持Centos7.6 3.10.0-1127.19.1.el7.x86_64内核系统

1.1.11

v1.15

v1.17

  • 支持用户自定义驱动地址下载驱动
  • 支持v1.15、v1.17集群

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容