升级Lite Cluster资源池驱动

场景介绍

当Lite Cluster资源池中的节点含有GPU/Ascend资源时，资源池节点性能如果无法满足现有业务，升级驱动可以修复已知问题、提升性能或者支持新功能，确保资源池性能和兼容性得到优化。

ModelArts提供升级Lite Cluster资源池GPU/Ascend驱动的功能，您可根据自身业务需要通过ModelArts控制台升级Lite Cluster资源池GPU/Ascend驱动。

安全升级与强制升级对比

驱动升级有两种升级方式：安全升级、强制升级，对比如下。

表1 安全升级与强制升级对比
对比项	安全升级	强制升级
介绍	在节点空闲时进行驱动升级，不会影响正在运行的任务。升级过程平滑，减少对业务的影响。开始升级后会先将节点进行隔离（不能再下发新的作业），待节点上的存量作业运行完成后再进行升级，由于需要等待存量作业执行完毕，故升级周期可能比较长。	忽略节点上正在运行的任务，直接进行驱动升级。升级速度快，无需等待节点空闲。
适用场景	非紧急情况，逐步升级。	紧急情况，快速完成升级。
注意事项	需等待节点空闲，升级周期较长。在升级前，建议提前安排节点空闲时间，以减少对业务的影响。	可能导致正在运行的任务中断或失败。需谨慎使用，避免对业务造成影响。

约束限制

Lite Cluster资源池状态处于运行中，且专属池中的节点需要含有GPU/Ascend资源。
升级需要重启节点，建议在低峰期进行，以避免影响正在运行的任务，可前往资源池详情页“节点管理”页面查看节点资源占用情况。

升级驱动会重启节点。如果主机进行过差异化配置，重启节点可能会导致配置丢失，需谨慎考虑。

升级Lite Cluster资源池GPU/Ascend驱动

登录ModelArts管理控制台，在左侧菜单栏中选择“资源管理 > 轻量算力集群（Lite Cluster）”。在资源池列表中，选择需要进行驱动升级的资源池“ > 驱动升级”。
或者在资源池列表单击资源池名称，进入资源池详情页，切换至“节点池管理”页签，单击节点池操作列“更多>驱动升级”。

图1 驱动升级

在“驱动升级”弹窗中，会显示当前Lite Cluster资源池的驱动类型、实例数、当前版本、目标版本、升级方式、升级范围和开启滚动开关。按表2设置驱动升级参数。

表2 驱动升级参数说明
参数	说明
目标版本	在目标版本下拉框中，选择当前驱动待升级的目标驱动版本。对于资源池新增加的节点，可能会与资源池原有节点驱动不一致，为了保持驱动一致，目标版本可选择当前驱动版本，升级完成后所有节点驱动会升级为统一版本。
升级方式	可选择安全升级或强制升级，具体对比请见安全升级与强制升级对比。安全升级：待节点上没有作业时再升级，该方式升级周期可能比较长。强制升级：忽略运行中作业，直接升级，可能会导致运行中作业失败。
开启滚动	开启开关后，支持滚动升级的方式升级驱动。滚动升级是一种逐步替换实例的升级方式，适用于需要保持服务连续性的场景。通过分批次升级实例，确保在升级过程中始终有部分实例正常运行，从而减少停机时间。滚动驱动升级时，驱动异常的节点对升级无影响，会和驱动正常的节点一起升级。
滚动方式	当前支持“按节点比例”和“按实例数量”两种滚动方式。按节点比例：每批次驱动升级的实例数量为“节点比例*资源池实例总数”。按实例数量：每批次驱动升级的实例数量为设置的实例数量。对于不同的升级方式，滚动升级选择节点的策略会不同：如果“升级方式”为“安全升级”，则根据滚动实例数量选择无业务的节点，隔离节点并滚动升级。无业务节点定义：在资源池详情“节点”页签下，如果GPU/Ascend的可用数等于总数，则为无业务节点。如果“升级方式”为“强制升级”，则根据滚动实例数量随机选择节点，隔离节点并滚动升级。
节点比例	“滚动方式”选择“按节点比例”时，需要设置每批次驱动升级的实例数量比例，每批次驱动升级的实例数量为“节点比例*资源池实例总数”。
实例数	“滚动方式”选择“按实例数量”时，需要设置每批次驱动升级的实例数量。