文档首页/ 云容器引擎 CCE/ 用户指南/ 调度/ Volcano调度/ 异构资源网络拓扑感知调度/ 超节点拓扑亲和调度
更新时间：2026-05-21 GMT+08:00
查看PDF
分享

超节点拓扑亲和调度

在大规模AI训练和推理场景中，CCE服务支持接入超节点算力作为容器节点，以加速AI计算任务的运行。超节点由48个包含多张NPU卡的节点组成，内部NPU通过特定的网络连接方式形成超平面网络，提供更快的网络传输速率。针对使用超节点的特殊集群场景，Volcano提供了超节点拓扑感知调度能力，通过将关联度高的计算任务调度至同一超节点内，显著提升了数据传输速度和任务执行效率。

前提条件

集群中已安装Volcano调度器插件，且插件版本在1.21.1及以上。

约束与限制

  • 网络拓扑感知调度暂不支持抢占。当资源紧张时，调度器不会主动抢占已分配给Pod的资源。
  • 若配置了分组亲和策略，则不支持soft模式的网络拓扑约束。
  • HyperJob工作负载不支持网络拓扑感知调度。即使在HyperJob的JobTemplate中配置了networkTopology或分组亲和策略，这些配置将被忽略且不会生效。
  • HyperNode自动发现功能不支持多种网络拓扑结构混部的场景（例如，A2与A3拓扑类型共存于同一集群）。
  • 应尽量避免在运行中变更网络拓扑配置项，因为这可能导致集群内HyperNode结构重建，进而引发Volcano调度器进程的负载波动或调度异常。
  • 若在调度过程中，集群网络拓扑结构或配置项发生变更，Volcano无法保证调度结果的正确性。

使用示例

  1. 登录CCE控制台，单击集群名称进入集群。
  2. 单击左侧导航栏的“配置中心”，切换至“调度配置”页面，选择Volcano调度器找到对应的“专家模式”，单击“开始使用”。

  3. 进入CCE专家模式配置页面，在YAML配置文件中，修改default_controller_conf配置为如下内容，以启用HyperNode自动发现功能。其中配置参数，请根据实际需求调整。 

    ...
default_controller_conf:
  networkTopologyDiscovery:
    - source: label   # HyperNode自动发现插件的名称，不可修改
      enabled: true   # HyperNode自动发现插件开关，不可修改
      config:
        networkTopologyTypes:
          testtopology:                           # 网络拓扑层级关系的名称，可修改，最大限制20字符；当前仅支持配置一组
            - nodeLabel: volcano.sh/hypernode     # 第1层网络拓扑，对应超节点，不可修改
            - nodeLabel: kubernetes.io/hostname   # 第0层网络拓扑，对应节点，不可修改
...

    配置更新后，执行如下命令。

    kubectl get hypernodes

    若回显有TIERNAME为volcano.sh/hypernode的HyperNode，表明超节点对应的HyperNode已被创建，Volcano已感知到了超节点拓扑信息。

    同时，需在CCE专家模式页面的YAML配置文件中，在default_scheduler_conf配置中添加network-topology-aware插件，示例内容如下。

    ...
default_scheduler_conf:
  actions: allocate, backfill, preempt
  configurations: ''
  metrics:
    interval: 30s
    type: ''
  tiers:
    - plugins:
        - name: priority
        - enableJobStarving: false
          enablePreemptable: false
          enableReclaimable: false
          name: gang
        - name: conformance
        - enableHierarchy: true
          name: capacity
    - plugins:
        - enablePreemptable: false
          enableReclaimable: false
          name: drf
        - name: predicates
        - name: nodeorder
    - plugins:
        - name: cce-gpu-topology-predicate
        - name: cce-gpu-topology-priority
        - name: xgpu
        - name: network-topology-aware # 添加本行内容，以启用网络拓扑感知调度
          arguments:
            weight: 10                       # 本插件整体策略权重，可不填，默认为1
            hypernode.binpack.cpu: 5         # CPU资源HyperNode级装箱权重，可不填，默认为1
            hypernode.binpack.memory: 5      # 内存资源HyperNode级装箱权重，可不填，默认为1
            hypernode.binpack.resources: nvidia.com/gpu, huawei.com/ascend-1980      # 装箱策略需要考虑的自定义资源名，可不填，默认为无
            hypernode.binpack.resources.nvidia.com/gpu: 10                           # 自定义资源“nvidia.com/gpu”的HyperNode级装箱权重，可不填，默认为1
            hypernode.binpack.resources.huawei.com/ascend-1980: 10                   # 自定义资源“huawei.com/ascend-1980”的HyperNode级装箱权重，可不填，默认为1
            hypernode.binpack.normal-pod.enable: true      # 针对无网络拓扑约束Pod的多层级HyperNode装箱调度能力开关，可不填，默认为true
            hypernode.binpack.normal-pod.fading: 0.8       # 无网络拓扑约束Pod在计算各层级HyperNode装箱分数时，第tier层的权重为math.Pow(fading, tier-1)，可不填，默认为0.8
    - plugins:
        - name: nodelocalvolume
        - name: nodeemptydirvolume
        - name: nodeCSIscheduling
        - name: networkresource
...

  4. 您可以提交以下Volcano Job，以下发4个Pod，每2个Pod为一组，且每组Pod只能调度到同一个第一层HyperNode中。 

    apiVersion: batch.volcano.sh/v1alpha1
kind: Job
metadata:
  name: vcjob-test
spec:
  tasks:
    - replicas: 4
      name: "worker"
      partitionPolicy:
        totalPartitions: 2
        partitionSize: 2
        networkTopology:
          mode: hard
          highestTierAllowed: 1
      template:
        spec:
          containers:
            - name: test
              image: busybox
              command: ['sh', '-c', 'echo "Hello, Kubernetes!" && sleep 3600']
              imagePullPolicy: IfNotPresent
              resources:
                requests:
                  cpu: 1
                  "huawei.com/ascend-1980": 16
                limits:
                  cpu: 1
                  "huawei.com/ascend-1980": 16

  5. 执行以下命令，查看作业运行情况。 

    kubectl get pod -o wide

    返回信息如下所示。

    NAME                  READY   STATUS    RESTARTS   AGE   IP             NODE            NOMINATED NODE   READINESS GATES
vcjob-test-worker-0   1/1     Running   0          13s   172.19.3.181   192.168.5.95    <none>           <none>
vcjob-test-worker-1   1/1     Running   0          13s   172.19.0.3     192.168.5.25    <none>           <none>
vcjob-test-worker-2   1/1     Running   0          13s   172.19.1.3     192.168.5.231   <none>           <none>
vcjob-test-worker-3   1/1     Running   0          13s   172.19.3.42    192.168.5.239   <none>           <none>

  6. 执行以下命令，查看这4个Pod所在节点的超节点信息。 

    kubectl describe node 192.168.5.95  | grep volcano.sh/hypernode
kubectl describe node 192.168.5.25  | grep volcano.sh/hypernode
kubectl describe node 192.168.5.231 | grep volcano.sh/hypernode
kubectl describe node 192.168.5.239 | grep volcano.sh/hypernode

    返回以下类似信息。

    volcano.sh/hypernode=hypernode-2
volcano.sh/hypernode=hypernode-2
volcano.sh/hypernode=hypernode-1
volcano.sh/hypernode=hypernode-1

    第一组Pod（即worker-0和worker-1）被调度到了超节点2（volcano.sh/hypernode = hypernode-2），而第二组Pod（worker-2和worker-3）则被调度到了超节点1（volcano.sh/hypernode = hypernode-1），这符合调度要求。

父主题： 异构资源网络拓扑感知调度

相关文档