NVIDIA-GPU-Operator

false für Version 25.3.x.

true für Version 25.10.x und höher.

false für Version 25.3.x.

In Version 25.10.x und höher veraltet.

Steuert das NVIDIA-Geräte-Plug-in, das GPUs für Kubernetes bereitstellt.

Das Geräte-Plugin läuft auf jedem GPU-Knoten und ist verantwortlich für:

• Werbung nvidia.com/gpu Ressourcen
• GPU-Planung aktivieren

Die Konfiguration wirkt sich direkt auf Scheduler-Entscheidungen und die GPU-Workload-Platzierung aus.

Wenn dieses Argument falsch konfiguriert ist:

• GPUs sind möglicherweise nicht für Kubernetes sichtbar.
• Pods, die GPUs anfordern, können den Status Pending aufweisen.
• Die GPU-Verfügbarkeit kann auf allen Knoten inkonsistent sein.
• Planungsfehler können in großem Maßstab auftreten.

• Setzen Sie devicePlugin.enabled auf true .
• Weisen Sie ausreichende Ressourcen zu, indem Sie devicePlugin.resources verwenden.
• Verwenden Sie eine konsistente Konfiguration für alle GPU-Knoten.

Steuert das NVIDIA Container Toolkit, das GPU-Zugriff in Containern ermöglicht.

Das Toolkit wird auf jedem GPU-Knoten ausgeführt und ist für GPU-Workloads erforderlich, um auf GPUs in Containern zuzugreifen.

Wenn dieses Argument falsch konfiguriert ist, können Pods erfolgreich geplant werden, aber:

• GPU-Workloads können möglicherweise nicht gestartet werden.
• Container können möglicherweise nicht auf GPUs zugreifen.
• Laufzeitfehler können schwierig zu diagnostizieren sein.

• Setzen Sie toolkit.enabled auf true .
• Stellen Sie sicher, dass das Toolkit mit der Containerlaufzeit kompatibel ist.
• Weisen Sie ausreichende Ressourcen zu, indem Sie toolkit.resources verwenden.

Steuert, ob GPU-Operatorkomponenten auf GPU-Knoten ausgeführt werden können.

GPU-Knoten werden oft verfälscht. Alle GPU Operator DaemonSets müssen diese Taints tolerieren, damit sie auf den GPU-Knoten ausgeführt werden können.

Wenn die erforderlichen Toleranzen fehlen:

• GPU-Operatorkomponenten können nicht auf GPU-Knoten ausgeführt werden.
• GPUs können im gesamten Cluster nicht mehr verwendet werden.

• Konfigurieren Sie Toleranzen, die den auf GPU-Knoten angewendeten Taints entsprechen.
• Validieren Sie die Toleranzen für alle GPU-Knotenpools.

Steuert, wie viele Knoten gleichzeitig aktualisiert werden.

Der Wert wirkt sich auf die Anzahl der GPU-Knoten aus, die während eines Updates vorübergehend nicht verfügbar sind.

In einem großen Cluster kann sich ein Update auf viele Knoten auswirken.

Wenn der Wert zu hoch ist:

• Möglicherweise sind zu viele GPU-Knoten gleichzeitig nicht verfügbar.
• GPU-Workloads können unterbrochen werden.

Wenn der Wert zu niedrig ist, kann das Rollout der Aktualisierung über Tausende von Knoten lange dauern.

Verwenden Sie einen ausgewogenen Wert, der nicht übermäßig aggressiv ist. Legen Sie den Wert basierend auf der Clustergröße und dem Umfang der Unterbrechung fest, die Workloads tolerieren können.

Definiert die CPU- und Speicherressourcen für den GPU-Operatorcontroller.

Der Operator verwaltet Komponenten wie:

• Das Geräte-Plugin
• Das NVIDIA Container Toolkit
• GPU mit mehreren Instanzen
• NVIDIA Rechenzentrums-GPU-Manager

Mit zunehmender Anzahl von Knoten verwaltet der Operator mehr Objekte und benötigt mehr Ressourcen.

Wenn die Ressourcen zu klein sind:

• Die Abstimmung kann langsam sein.
• Der Operator kann instabil werden.
• Konfigurationsänderungen und Komponenten-Rollouts können verzögert werden.

• CPU- und Speicherressourcen für große Cluster erhöhen
• Überwachen Sie die Operatorlogs und die Speichernutzung.

Aktiviert die Container Device Interface.

• Vereinfacht das Injizieren von GPUs in Container.
• Verbessert die Laufzeitkonsistenz auf allen Knoten.

Wenn die Container Device Interface deaktiviert ist, kann die ältere Laufzeitintegration:

• Inkonsistenzen verursachen.
• Machen Sie die Fehlerbehebung komplexer.

• Setzen Sie cdi.enabled auf true .
• Verwenden Sie die Standardeinstellungen, es sei denn, Sie haben eine bestimmte Anforderung.

Steuert die GPU-Partitionierung mit mehreren Instanzen.

Die Multi-Instance-GPU-Partitionierung ermöglicht Workloads die gemeinsame Nutzung von GPUs und wirkt sich auf das Scheduler-Verhalten aus.

Wenn dieses Argument falsch konfiguriert ist:

• GPU-Ressourcen können fragmentiert werden.
• Pods finden möglicherweise keine übereinstimmende GPU-Partition.
• Das Verhalten kann auf allen Knoten inkonsistent sein.

• Verwenden Sie eine konsistente Multi-Instance-GPU-Strategie im gesamten Cluster.
• Vermeiden Sie gemischte Konfigurationen, es sei denn, sie sind erforderlich.

Steuert die Erfassung von GPU-Metriken.

Der Exporteur generiert GPU-Metriken für jeden Knoten, wodurch die Prometheus-Last und der Netzwerkverkehr mit zunehmender Anzahl von GPU-Knoten erhöht werden.

Wenn dieses Argument falsch konfiguriert ist:

• Zu häufig Ausschussmetriken können zu hohem Overhead führen.
• Zu selten Ausschussmetriken bieten möglicherweise eine unzureichende Sichtbarkeit.

• serviceMonitor.interval einstellen.
• Weisen Sie ausreichende Ressourcen zu, indem Sie dcgmExporter.resources verwenden.

Steuert die NVIDIA Data Center GPU Manager-Host-Engine.

Die optionale Komponente verfolgt den GPU-Zustand im gesamten Cluster.

• Wenn die Komponente deaktiviert ist, ist die Sichtbarkeit des GPU-Zustands begrenzt.
• Wenn die Komponente mit unzureichenden Ressourcen aktiviert ist, kann sie instabil werden.

• Aktivieren Sie die Komponente nur, wenn sie erforderlich ist.
• Weisen Sie ausreichende Ressourcen zu.

Steuert die Abhängigkeitsprüfung für die Knotenfeature-Discovery.

Die Abhängigkeitsprüfung wirkt sich auf die Knotenbeschriftung und GPU-Erkennung aus.

Wenn Knotenfeature Discovery fehlt:

• GPU-Knoten werden möglicherweise nicht beschriftet.
• Der Operator kann möglicherweise GPU-Knoten nicht ermitteln.

• Verwenden Sie dieses Argument nur, wenn das Knotenfeature Discovery bereits installiert ist.
• Stellen Sie sicher, dass die erforderlichen Knotenlabels vorhanden und korrekt sind.

Deaktiviert das eigenständige NVIDIA-GPU-Geräte-Plug-in.

Wenn Sie das Standalone-Plug-in deaktivieren, wird verhindert, dass doppelte GPU-Geräte-Plug-ins im Cluster ausgeführt werden.

Wenn dieses Argument falsch konfiguriert ist:

• Möglicherweise werden mehrere GPU-Geräte-Plug-ins ausgeführt.
• Die Plugins können in Konflikt geraten.
• GPU-Ressourcen werden möglicherweise falsch gemeldet.

Deaktivieren Sie das eigenständige NVIDIA-GPU-Geräte-Plug-in, wenn Sie den NVIDIA-GPU-Operator verwenden.