2. GPU虚拟化
2.1. 简介
GPU Operator 的driver-manager组件提供GPU内核驱动的生命周期管理，支持在集群环境中自动化部署GPU内核驱动。 同时支持SR-IOV虚拟化、在KubeVirt虚拟机场景自动绑定VFIO驱动，保障驱动与集群环境的兼容性和稳定性。
2.2. 安装 GPU Operator
备注
关于 GPU Operator 所依赖的前置资源，参见《曦云系列通用GPU云原生参考手册》中“安装与维护”章节。
获取安装包
以 0.13.0 版本为例，从 沐曦软件中心 下载离线安装包 metax-gpu-k8s-package.0.13.0.tar.gz，解压后获取以下文件：
metax-k8s-images.0.13.0.run：镜像资源包
metax-operator-0.13.0.tgz：Operator Helm Chart
metax-gpu-extensions-0.13.0.tgz：Extensions Helm Chart
准备内核驱动和 MXMACA® SDK 镜像
GPU Operator 会自动管理节点上的内核驱动及 MXMACA® SDK 的部署与更新，需确保所有工作节点均可正常拉取相关镜像资源。
内核驱动与 MXMACA® SDK 可从 沐曦软件中心 下载。
资源包格式：
内核驱动镜像包
metax-k8s-driver-image.<VERSION>-<ARCH>.run：包含内核态驱动和配套 mx-smi 工具的资源包
MXMACA® SDK 镜像包
随 MXMACA® 的发布包发布，例如 maca-native:<VERSION>-<DISTRO>-<ARCH>.container.xz 或者 maca-c500-container-*.xz
推送镜像
# 假设容器仓库服务器域名为 DOMAIN ，用于存放沐曦Kubernetes组件镜像的项目名为 PROJECT。 # 默认使用docker进行镜像推送 metax-k8s-images.0.13.0.run push DOMAIN/PROJECT # 使用nerdctl进行镜像推送 metax-k8s-images.0.13.0.run nerdctl push DOMAIN/PROJECT
备注
自 0.13.0 起，该工具支持多种运行时：
docker、nerdctl、ctr。若未显式指定，默认使用
docker。若主机未安装docker，系统将自动检测可用运行时并执行镜像推送。
推送 Helm Charts
helm push ./k8s/metax-operator-0.13.0.tgz oci://DOMAIN/PROJECT
安装 GPU Operator
# 离线安装（基于本地Helm Charts） helm install ./k8s/metax-operator-0.13.0.tgz \ --create-namespace -n metax-operator \ --generate-name \ --wait \ --set registry=DOMAIN/PROJECT
验证安装状态
在 Kubernetes 管理节点执行以下命令检查 Pod 是否处于
Running状态。kubectl get pod -n metax-operator NAME READY STATUS RESTARTS AGE metax-container-runtime-4lsd7 1/1 Running 0 31s metax-gpu-device-7774b 1/1 Running 0 31s metax-gpu-label-l5tkf 1/1 Running 0 31s metax-operator-1755847288-77bfc94568-7wqlh 1/1 Running 0 31s ...
2.3. SR-IOV虚拟化
2.3.1. 准备条件
Metax GPU支持开启虚拟化，开启虚拟化需确保环境已完成如下配置：
BIOS 开启 SRIOV
安装带
-VF后缀的VBIOS固件
关于开启SRIOV的详细介绍，参见《曦云系列通用GPU云原生参考手册》。
driver-manager通过名为 driver-config 的 ConfigMap 资源控制工作节点是否开启SR-IOV虚拟化，
目前可使用v1、v2两种版本配置。
备注
使用 GPU Operator 方案配置SR-IOV虚拟化时，不建议使用mx-smi工具对相关配置进行修改。
2.3.2. [推荐] v2版配置
GPU Operator 0.11.0 版本引入 driver config v2，支持单GPU粒度的虚拟化配置以及通过BDF号配置GPU，具备细粒度的控制能力。
集群初始化配置
提供
--set-file或修改 values.yaml 配置两种方式进行初始化，仅当 v1 配置为空时 v2 生效。优先级：
--set-file﹥ 修改 values.yaml。配置参数的详细介绍参见《曦云系列通用GPU云原生参考手册》中“组件介绍”章节。
--set-file方式用户可参考如下示例准备v2版本驱动配置文件：
nodes-config: - nodeName: workerNode-1 # workerNode-1 每张 GPU 虚拟为 2 个 VF vfNum: 2 - nodeName: workerNode-2 # workerNode-2 仅将 0,1号 GPU 虚拟为 2 个 VF vfNum: 2 virtGPUs: "0,1"
并通过helm提供的
--set-file参数，将以上配置文件路径指定到driver.driverConfigFile选项下：helm install metax-operator --generate-name --set-file driver.driverConfigFile=driver_config_v2.yaml
修改 values.yaml 方式
可在 values.yaml 配置文件中配置下列选项，并通过常规
helm install命令安装：# values.yaml 配置示例 driver: driverConfig: nodesConfig: - nodeName: workerNode-1 vfNum: 2 - nodeName: workerNode-2 vfNum: 2 virtGPUs: "0,1"
也可通过helm提供的
--set参数覆盖driver.driverConfig.nodesConfig项。假设 workerNode-1 节点共有四块物理GPU，当vfNum设为2时，节点预期上报数量为8(8=物理GPU数量*vfNum)的
metax-tech.com/gpu资源。配置生效后，可通过以下命令查看目标节点的GPU资源：
kubectl get node workerNode-1 -o jsonpath='{"Capacity.metax-tech.com/gpu:"}{"\n"}{.status.capacity.metax-tech\.com/gpu}{"\n"}{"Allocatable.metax-tech.com/gpu:"}{"\n"}{.status.allocatable.metax-tech\.com/gpu}{"\n"}' # output: Capacity.metax-tech.com/gpu: 8 Allocatable.metax-tech.com/gpu: 8
运行时修改配置
GPU Operator 运行后可通过修改
driver-config更改集群虚拟化状态：kubectl edit cm driver-config
在
data.nodes-config中直接修改配置，并确保data.version: v2。v1 到 v2 切换
初始化时：通过
--set清空 v1 配置（如driver.vfnumsConfig=null）运行时：手动修改
data.version为v2，并迁移 v1 配置至nodes-config
运行Pod任务
用户可参考如下示例编写作业创建 gpu-task.yaml 文件：
apiVersion: v1 kind: Pod metadata: name: gpu-demo spec: containers: - name: vector-add image: ubuntu:20.04 command: [ "bash", "-c", "cp -r /opt/maca/samples/0_Introduction/vectorAdd /home; cd /home/vectorAdd; mxcc -x maca vectorAdd.cpp -o vectorAdd --maca-path=/opt/maca; ./vectorAdd > log/vectoradd_exec_output.log; tail -f /dev/null", ] resources: limits: metax-tech.com/gpu: 1 # 申请 1 个GPU资源
通过 gpu-task.yaml 文件部署并验证任务：
#部署任务: kubectl apply -f gpu-task.yaml -n metax-operator #检查 Pod 状态，状态为 Running: kubectl get pod gpu-demo -n metax-operator #查看运行结果： kubectl logs pod gpu-demo -n metax-operator
2.3.3. v1版配置
配置方式
v1仅支持节点级别的虚拟化，如下配置所示：
kind: ConfigMap metadata: name: driver-config data: node-vfnums: | nodes: sample-node: # sample-node 每张 GPU 虚拟为 4 个 VF vfnum: 4 sample-node2: # sample-node2 每张 GPU 虚拟为 2 个 VF vfnum: 2
生效后，节点资源
metax-tech.com/gpu的数量调整为：\(N_\mathrm(gpu) \times M_\mathrm(vfnum)\)期间，以
metax-gpu-device开头的 Pod 将自动重建，属于正常现象
运行Pod任务
v1配置生效后，用户可参考如下示例编写作业创建 gpu-task.yaml 文件：
apiVersion: v1 kind: Pod metadata: name: gpu-demo spec: containers: - name: vector-add image: ubuntu:20.04 command: [ "bash", "-c", "cp -r /opt/maca/samples/0_Introduction/vectorAdd /home; cd /home/vectorAdd; mxcc -x maca vectorAdd.cpp -o vectorAdd --maca-path=/opt/maca; ./vectorAdd > log/vectoradd_exec_output.log; tail -f /dev/null", ] resources: limits: metax-tech.com/gpu: 1 # 申请 1 个GPU资源
通过 gpu-task.yaml 文件部署并验证任务：
#部署任务: kubectl apply -f gpu-task.yaml -n metax-operator #检查 Pod 状态，状态为 Running: kubectl get pod gpu-demo -n metax-operator #查看运行结果： kubectl logs pod gpu-demo -n metax-operator
2.4. KubeVirt虚拟机模式
GPU Operator 支持KubeVirt虚拟机场景下Metax GPU的使用，通过driver-manager组件提供的配置项，可自动化加载并绑定GPU设备到VFIO-PCI驱动，以便后续透传至KubeVirt虚拟机。
2.4.1. 准备条件
配置VFIO-PCI驱动相关功能前，需确保环境已完成如下配置：
操作系统开启 IOMMU
操作系统已安装VFIO-PCI驱动
driver-manager通过名为 driver-config 的 ConfigMap 资源控制工作节点GPU是否绑定至VFIO-PCI驱动，目前可使用v1、v2两种版本配置。
2.4.2. [推荐] v2版配置
GPU Operator 0.11.0 版本引入 driver config v2，支持通过BDF号配置GPU，相比 v1 具备更细粒度的控制能力。
v2版配置通过 driver-config 控制VFIO-PCI驱动的绑定。
集群初始化配置
与
SR-IOV虚拟化相同，同样提供--set-file或修改 values.yaml 配置两种方式进行初始化。--set-file方式# values.yaml 配置示例 nodes-config: - nodeName: workerNode-1 # workerNode-1 0,1号 GPU 绑定至VFIO-PCI vfioGPUs: "0,1" - nodeName: workerNode-2 # workerNode-2 所有 GPU 绑定至VFIO-PCI vfioGPUs: "all"
修改 values.yaml 方式
# values.yaml 配置示例 driver: driverConfig: nodesConfig: - nodeName: workerNode-1 vfioGPUs: "0,1" - nodeName: workerNode-2 vfioGPUs: "all"
运行时切换版本为v2
修改
driver-config的data.nodes-config项，并确保data.version: v2。
2.4.3. v1版配置
GPU Operator 使用名为 metax-vfio-config 的 ConfigMap 来选择绑定至VFIO-PCI驱动的设备：
kind: ConfigMap
metadata:
name: metax-vfio-config
data:
vfio: |
- nodeName: workerNode-1
gpus: "0,1"
- nodeName: workerNode-2
gpus: "all"
若配置无效 GPU 序号，系统将自动忽略
配置生效后，节点
metax-tech.com/vfio-gpu资源数等于绑定的 GPU 数量。关于配置参数的详细介绍，参见《曦云系列通用GPU云原生参考手册》中“组件介绍”章节。
2.4.4. 运行KubeVirt虚拟机
v1或v2任一版本配置生效后，gpu-device组件会将绑定了 VFIO-PCI 驱动的沐曦GPU注册为 metax-tech.com/vfio-gpu 资源，可以在 KubeVirt 上申请该资源。
配置KubeVirt CR
在 KubeVirt CR中的
featureGates添加HostDevices, GPU选项，并将沐曦GPU相应的设备信息配置到permittedHostDevices中。apiVersion: kubevirt.io/v1 kind: KubeVirt metadata: name: kubevirt namespace: kubevirt spec: certificateRotateStrategy: {} configuration: developerConfiguration: featureGates: ["HostDevices", "GPU"] permittedHostDevices: pciHostDevices: - pciVendorSelector: "9999:4000" resourceName: "metax-tech.com/vfio-gpu" externalResourceProvider: true - pciVendorSelector: "9999:4018" resourceName: "metax-tech.com/vfio-gpu" externalResourceProvider: true customizeComponents: {} imagePullPolicy: IfNotPresent workloadUpdateStrategy: {}
配置虚拟机YAML
在虚拟机配置的
hostDevices中添加metax-tech.com/vfio-gpu设备。apiVersion: kubevirt.io/v1 kind: VirtualMachine metadata: labels: kubevirt.io/vm: testvm name: testvm spec: running: false template: metadata: labels: kubevirt.io/vm: testvm spec: domain: devices: disks: - disk: bus: virtio name: containerdisk - disk: bus: virtio name: cloudinitdisk interfaces: - name: default masquerade: {} hostDevices: - deviceName: metax-tech.com/vfio-gpu name: gpu resources: requests: memory: 4096Mi terminationGracePeriodSeconds: 0 networks: - name: default pod: {} volumes: - containerDisk: image: registry:5000/kubevirt/cirros-container-disk-demo:devel name: containerdisk - cloudInitNoCloud: userData: | #!/bin/sh echo 'printed from cloud-init userdata' name: cloudinitdisk
验证GPU设备
虚拟机启动成功后，可以通过
lspci命令看到对应的设备。user@testvm:~$ lspci | grep 9999 0a:00.0 Display controller: Device 9999:4000 (rev 01)