1. 概述

1.1. 关于 GPU Operator

Kubernetes（k8s）是一款流行的开源容器编排器，广泛应用于数据中心等场景下。 GPU Operator 是由沐曦打造的一款基于 Kubernetes的沐曦GPU解决方案。 该解决方案提供了多个组件，用于支持在集群上使用沐曦GPU以及 MXMACA^® 软件栈。 这些组件以容器的形式提供，服务于用户应用运行的各个环节。

1.1.1. 特性说明

GPU Operator 是面向 Kubernetes 集群的 GPU 资源管理套件，核心特性覆盖 GPU 全生命周期管理、灵活配置策略及高兼容性，具体包括：

1. 全链路 GPU 管理能力

   集成 gpu-device（设备发现与健康监控）、driver-manager（驱动部署与升级）、container-runtime（容器运行时集成）等组件，实现从设备发现→驱动安装→资源调度→状态监控的全流程自动化管理。

2. 多策略灵活配置

   • 驱动部署策略：支持 PreferCloud（镜像驱动优先）、PreferHost（主机驱动优先）等模式，适配多种使用场景

   • 灰度升级策略：通过配置集群驱动分批次升级（支持控制并行节点数、定义失败回滚策略），保障业务连续性

   • 设备绑定策略：灵活强大的驱动支持，支持按节点或 GPU 序号绑定 VFIO-PCI 驱动，满足虚拟化场景需求

3. 高兼容性与扩展性

   • 支持主流 Linux OS 系统

   • 兼容 Kubernetes 1.23+ 版本，支持 containerd、Docker 等容器运行时

4. 监控与可观测性

   内置 data-exporter 组件，支持 Prometheus 指标导出（如 GPU 利用率、温度等指标），通过 service 灵活暴露监控接口，无缝集成企业级监控体系。