Operador de GPU de NVIDIA

Al activar el complemento de cluster Operador de GPU NVIDIA, puede transferir los siguientes pares clave/valor como argumentos.

Argumentos de configuración comunes a todos los complementos del cluster


Clave (API y CLI)	Nombre mostrado de clave (consola)	Descripción	Necesario/Opcional	Valor por defecto	Valor de ejemplo
`affinity`	afinidad	Grupo de reglas de programación de afinidad. Formato JSON en texto sin formato o codificado en Base64. No utilizado por: Operador de GPU de Nvidia Posibles equivalentes: Detección de funciones de nodo, utilice `master.affinity` Operador de red NVIDIA, utilice `operator.affinity` SMB de controlador CSI, utilice `contoller.affinity`	Opcional	nulo	nulo
`nodeSelectors`	selectores de nodos	Puede utilizar selectores de nodos y etiquetas de nodos para controlar los nodos de trabajador en los que se ejecutan los pods complementarios. Para que un pod se ejecute en un nodo, el selector de nodos del pod debe tener la misma clave/valor que la etiqueta del nodo. Defina `nodeSelectors` en un par clave/valor que coincida con el selector de nodos del pod y la etiqueta del nodo de trabajador. Formato JSON en texto sin formato o codificado en Base64. No utilizado por: Operador de GPU de NVIDIA SMB de controlador CSI Posibles equivalentes: Detección de funciones de nodo, utilice `worker.nodeSelector` Operador de red NVIDIA, utilice `operator.nodeSelectors`	Opcional	nulo	`{"foo":"bar", "foo2": "bar2"}` El pod solo se ejecutará en nodos que tengan la etiqueta `foo=bar` o `foo2=bar2`.
`numOfReplicas`	Número de réplicas	Número de réplicas del despliegue del complemento. No utilizado por: Plugin de GPU de AMD Operador de GPU de NVIDIA Operador de red NVIDIA SMB de controlador CSI Posibles equivalentes: CoreDNS, utilice `nodesPerReplica` Detección de funciones de nodo, utilice `master.replicaCount`	Obligatorio	`1` Crea una réplica del despliegue del complemento por cluster.	`2` Crea dos réplicas del despliegue del complemento por cluster.
`rollingUpdate`	actualización continua	Controla el comportamiento deseado de la actualización continua por maxSurge y maxUnavailable. Formato JSON en texto sin formato o codificado en Base64. No utilizado por: Detección de funciones de nodo Operador de red NVIDIA SMB de controlador CSI Posibles equivalentes: Operador de GPU de NVIDIA, utilice `daemonsets.rollingUpdate.maxUnavailable`	Opcional	nulo	nulo
`tolerations`	tolerancias	Puede utilizar contaminantes y tolerancias para controlar los nodos de trabajador en los que se ejecutan los pods de complementos. Para que un pod se ejecute en un nodo que tenga un tinte, el pod debe tener una tolerancia correspondiente. Defina `tolerations` en un par clave/valor que coincida con la tolerancia del pod y el mantenimiento del nodo de trabajador. Formato JSON en texto sin formato o codificado en Base64. Posibles equivalentes: Detección de funciones de nodo, utilice `master.tolerations` y/o `worker.tolerations` Operador de GPU de NVIDIA, utilice `daemonsets.tolerations` Operador de red NVIDIA, utilice `operator.tolerations` SMB de controlador CSI, utilice `controller.tolerations`	Opcional	nulo	`[{"key":"tolerationKeyFoo", "value":"tolerationValBar", "effect":"noSchedule", "operator":"exists"}]` Solo los pods que tienen esta tolerancia se pueden ejecutar en nodos de trabajador que tengan el mantenimiento `tolerationKeyFoo=tolerationValBar:noSchedule`.
`topologySpreadConstraints`	topologíaSpreadConstraes	Cómo difundir vainas coincidentes entre la topología dada. Formato JSON en texto sin formato o codificado en Base64. No utilizado por: Detección de funciones de nodo Operador de GPU de NVIDIA Operador de red NVIDIA SMB de controlador CSI	Opcional	nulo	nulo

Argumentos de configuración específicos de este complemento de cluster


Clave (API y CLI)	Nombre mostrado de clave (consola)	Descripción	Necesario/Opcional	Valor por defecto
`skipNodeFeatureDiscoveryDependencyCheck`	skipNodeFeatureDiscoveryDependencyCheck	Omitir comprobación de dependencia de detección de funciones de nodo.	Opcional	`false`
`disableNvidiaGpuPlugin`	desactivarNvidiaGpuPlugin	Desactive el complemento NvidiaDevicePlugin existente y los recursos relacionados.	Opcional	`false`
`cdi.enabled`	Activar interfaz de dispositivo de contenedor	Indicador para activar la interfaz de dispositivo de contenedor.	Opcional	`false` para la versión 25.3.x. `true` para la versión 25.10.x y posteriores.
`cdi.default`	Habilitar CDI como predeterminado	Indicador que permite que el tiempo de ejecución del contenedor utilice CDI como opción predeterminada para realizar la inyección de dispositivos.	Opcional	`false` para la versión 25.3.x. En desuso en la versión 25.10.x y posteriores.
`daemonsets.labels`	Etiquetas de DaemonSets	Etiquetas para todos los DaemonSets del operador de GPU. Texto JSON o mapa JSON codificado en Base64.	Opcional	`null`
`daemonsets.annotations`	Anotaciones de DaemonSets	Anotaciones para todos los DaemonSets del operador de GPU. Texto JSON o mapa JSON codificado en Base64.	Opcional	`null`
`daemonsets.tolerations`	Tolerancias de DaemonSets	Tolerancias para todos los DaemonSets de Operador de GPU. Texto JSON o matriz JSON codificada en Base64.	Opcional	`null`
`daemonsets.rollingUpdate.maxUnavailable`	DaemonSets MaxNovailable	Número máximo de pods no disponibles para la actualización sucesiva en DaemonSets del operador de GPU.	Opcional	`1`
`dcgm.enabled`	Activar DCGM	Active NVIDIA DCGM Hostengine como un pod independiente.	Opcional	`false`
`dcgm.args`	Argumentos de DCGM	Argumentos para la Hostengina DCGM. Texto sin formato JSON o matriz JSON codificada en Base64.	Opcional	`null`
`dcgm.env`	Entorno de DCGM	Variables de entorno para DCGM Hostengine. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`dcgm.containerResources`	Recursos de DCGM	Solicitudes de recursos y límites para el pod de Hostengine de DCGM. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`dcgmExporter.enabled`	Activar exportador de DCGM	Active el DaemonSet de exportador de DCGM para las métricas.	Opcional	`true`
`dcgmExporter.env`	Env exportador DCGM	Variables de entorno para DCGM Exporter. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`dcgmExporter.resources`	Recursos de exportador de DCGM	Solicitudes de recursos y límites para el pod de exportador de DCGM. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`dcgmExporter.service.internalTrafficPolicy`	Política de tráfico de servicio de exportador	InternalTrafficPolicy para el servicio ClusterIP del exportador de DCGM.	Opcional	`Cluster`
`dcgmExporter.serviceMonitor.enabled`	Activar ServiceMonitor	Active un ServiceMonitor para el exportador de NVIDIA DCGM.	Opcional	`false`
`dcgmExporter.serviceMonitor.interval`	Intervalo de supervisión de servicio	Intervalo de desecho para el exportador de NVIDIA DCGM. Admite `y`, `w`, `d`, `h`, `m`, `s` y `ms`.	Opcional	`15s`
`dcgmExporter.serviceMonitor.honorLabels`	Etiquetas de Honor de ServiceMonitor	Preferir etiquetas de métricas de destino en colisiones.	Opcional	`false`
`dcgmExporter.serviceMonitor.additionalLabels`	Etiquetas adicionales de ServiceMonitor	Etiquetas adicionales para ServiceMonitor. Texto sin formato JSON o mapa JSON codificado en Base64.	Opcional	`null`
`dcgmExporter.serviceMonitor.relabelings`	Reetiquetado de ServiceMonitor	Volver a etiquetar reglas para ServiceMonitor. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`dcgmExporter.config.name`	Nombre de asignación de configuración de exportador	Nombre de ConfigMap que proporciona configuración de métricas personalizadas para el exportador de DCGM.	Opcional	`null`
`migManager.enabled`	Activar MIG Manager	Activar el despliegue de NVIDIA MIG Manager.	Opcional	`false`
`migManager.resources`	Recursos de MIG Manager	Solicitudes de recursos y límites para cada pod de MIG Manager. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`migManager.env`	Entorno de gestor de MIG	Variables de entorno para MIG Manager. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`migManager.config.name`	Nombre de mapa de configuración de MIG	Nombre de ConfigMap con la configuración `mig-parted` para MIG Manager.	Opcional	`null`
`migManager.gpuClientsConfig.name`	Configuración de clientes de GPU MIG	Nombre de ConfigMap con la configuración `gpu-clients` para MIG Manager.	Opcional	`null`
`devicePlugin.enabled`	Activar plugin de dispositivo	Activar el plugin de dispositivos de Kubernetes de NVIDIA.	Opcional	`true`
`devicePlugin.args`	Argumentos del plugin del dispositivo	Argumentos para el plugin de dispositivo. Texto sin formato JSON o matriz JSON codificada en Base64.	Opcional	`null`
`devicePlugin.env`	Entorno de plugin de dispositivo	Variables de entorno para el plugin de dispositivo. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`devicePlugin.resources`	Recursos de plugin de dispositivo	Solicitudes de recursos y límites para cada pod de plugin de dispositivo. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`devicePlugin.config.name`	Nombre de ConfigMap de Plugin de Dispositivo	Nombre de ConfigMap que proporciona la configuración del plugin de dispositivo, compartido con GFD cuando corresponde.	Opcional	`null`
`devicePlugin.mps.root`	Raíz de MPS	Ruta raíz de MPS en el host.	Opcional	`/run/nvidia/mps`
`toolkit.enabled`	Activar Toolkit	Activar el despliegue de NVIDIA Container Toolkit.	Opcional	`true`
`toolkit.env`	Entorno de kit de herramientas	Variables de entorno para el kit de herramientas de contenedor. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`toolkit.resources`	Recursos de Toolkit	Solicitudes de recursos y límites para cada pod de Container Toolkit. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`toolkit.installDir`	Directorio de instalación del kit de herramientas	Directorio de instalación de utilidades del kit de herramientas de contenedor en el host.	Opcional	`/usr/local/nvidia`
`mig.strategy`	Estrategia MIG	Estrategia MIG para GFD y Device Plugin. Los valores válidos son `none`, `single` y `mixed`.	Opcional	`single`
`operator.logging.level`	Nivel de log de operador	Nivel de registro Zap: `debug`, `info`, `error` o un entero > 0 para el detalle personalizado.	Opcional	`info`
`operator.resources`	Recursos del operador	Solicitudes de recursos y límites para el pod de operador de GPU. Texto sin formato JSON o JSON codificado en Base64.	Opcional	`null`
`hostPaths.rootFS`	RootFS de host	Ruta de sistema de archivos raíz del host. La ruta debe poder ser chroot.	Opcional	`/`
`hostPaths.driverInstallDir`	Directorio de instalación del controlador	Directorio raíz para los archivos del controlador NVIDIA en el host.	Opcional	`/run/nvidia/driver`
`driver.rdma.enabled`	Activar RDMA en controlador	Active la compatibilidad con RDMA para el controlador NVIDIA.	Opcional	`false`
`driver.rdma.useHostMofed`	Usar host MOFED	Utilice el Mellanox OFED proporcionado por el host en lugar del Mellanox OFED proporcionado por el contenedor.	Opcional	`false`

Consideraciones de cluster grande

En la siguiente tabla, se describen las consideraciones para configurar este complemento de cluster en clusters de gran tamaño.


Nombre del Argumento	Número de nodos ordenado de roles	Descripción	A medida que aumenta el tamaño del cluster	Riesgos	Recomendación
`devicePlugin.*`	Y	Controla el plugin del dispositivo NVIDIA que expone las GPU a Kubernetes.	El plugin del dispositivo se ejecuta en todos los nodos de GPU y es responsable de: Publicidad `nvidia.com/gpu` recursos Activación de la programación de GPU La configuración afecta directamente las decisiones del programador y la colocación de la carga de trabajo de GPU.	Si este argumento está mal configurado: Es posible que las GPU no sean visibles para Kubernetes. Los pod que solicitan GPU pueden permanecer en el estado `Pending` . La disponibilidad de GPU puede ser inconsistente entre los nodos. Los fallos de programación pueden producirse a escala.	Defina `devicePlugin.enabled` en `true` . Asigne recursos suficientes mediante `devicePlugin.resources` . Utilice una configuración consistente en todos los nodos de GPU.
`toolkit.*`	Y	Controla el kit de herramientas de contenedor NVIDIA, que proporciona acceso a GPU dentro de los contenedores.	El kit de herramientas se ejecuta en todos los nodos de GPU y es necesario para que las cargas de trabajo de GPU accedan a las GPU dentro de los contenedores.	Si este argumento no está configurado correctamente, es posible que los pods se programen correctamente pero: Es posible que las cargas de trabajo de GPU no se inicien. Es posible que los contenedores no puedan acceder a las GPU. Los fallos de tiempo de ejecución pueden ser difíciles de diagnosticar.	Defina `toolkit.enabled` en `true` . Asegúrese de que el kit de herramientas sea compatible con el tiempo de ejecución del contenedor. Asigne recursos suficientes mediante `toolkit.resources` .
`daemonsets.tolerations`	Y	Controla si los componentes del operador de GPU se pueden ejecutar en nodos de GPU.	Los nodos de GPU a menudo están contaminados. Todos los DaemonSets de Operador de GPU deben tolerar que esos contaminantes se ejecuten en los nodos de GPU.	Si faltan las tolerancias necesarias: Los componentes del operador de GPU no se pueden ejecutar en nodos de GPU. Es posible que las GPU no se puedan utilizar en todo el cluster.	Configure tolerancias que coincidan con los contaminantes aplicados a los nodos de GPU. Valide las tolerancias para todos los pools de nodos de GPU.
`daemonsets.rollingUpdate.maxUnavailable`	Y	Controla cuántos nodos se actualizan simultáneamente.	El valor afecta al número de nodos de GPU que no están disponibles temporalmente durante una actualización. En un cluster grande, una actualización puede afectar a muchos nodos.	Si el valor es demasiado alto: Es posible que demasiados nodos de GPU no estén disponibles al mismo tiempo. Es posible que se interrumpan las cargas de trabajo de GPU. Si el valor es demasiado bajo, la implementación de la actualización en miles de nodos puede tardar mucho tiempo.	Usa un valor equilibrado que no sea demasiado agresivo. Defina el valor en función del tamaño del cluster y la cantidad de interrupciones que las cargas de trabajo pueden tolerar.
`operator.resources`	Y	Define los recursos de CPU y memoria para el controlador del operador de GPU.	El operador gestiona componentes que incluyen: El plugin del dispositivo El kit de herramientas de contenedor de NVIDIA GPU de varias instancias Gestor de GPU del centro de datos NVIDIA A medida que aumenta el número de nodos, el operador gestiona más objetos y requiere más recursos.	Si los recursos tienen un tamaño insuficiente: La reconciliación puede ser lenta. El operador puede volverse inestable. Es posible que los cambios de configuración y las implementaciones de componentes se retrasen.	Aumentar los recursos de CPU y memoria para clusters grandes. Supervise los logs del operador y el uso de la memoria.
`cdi.enabled`	Y	Activa la interfaz de dispositivo de contenedor.	Simplifica la inyección de GPU en contenedores. Mejora la coherencia del tiempo de ejecución entre los nodos.	Si la interfaz de dispositivo de contenedor está desactivada, la integración de tiempo de ejecución anterior podría: Causar inconsistencias. Haga que la solución de problemas sea más compleja.	Defina `cdi.enabled` en `true` . Utilice los valores por defecto a menos que tenga un requisito específico.
`mig.strategy`	Y	Controla la partición de GPU de varias instancias.	La partición de GPU de varias instancias permite a las cargas de trabajo compartir GPU y afecta al comportamiento del programador.	Si este argumento está mal configurado: Los recursos de GPU podrían fragmentarse. Es posible que los pods no encuentren una partición de GPU coincidente. El comportamiento puede ser inconsistente entre los nodos.	Utilice una estrategia de GPU de varias instancias consistente en todo el cluster. Evite configuraciones mixtas a menos que sean necesarias.
`dcgmExporter.*`	Y	Controla la recopilación de métricas de GPU.	El exportador genera métricas de GPU para cada nodo, aumentando la carga de Prometheus y el tráfico de red a medida que aumenta el número de nodos de GPU.	Si este argumento está mal configurado: El desecho de métricas con demasiada frecuencia puede causar una sobrecarga alta. El desecho de métricas con poca frecuencia puede proporcionar una visibilidad insuficiente.	Ajuste `serviceMonitor.interval` . Asigne recursos suficientes mediante `dcgmExporter.resources` .
`dcgm.*`	Y	Controla el motor host de NVIDIA Data Center GPU Manager.	El componente opcional realiza un seguimiento del estado de la GPU en todo el cluster.	Si el componente está desactivado, la visibilidad del estado de la GPU es limitada. Si el componente está activado con recursos insuficientes, puede volverse inestable.	Active el componente solo cuando sea necesario. Asignar recursos suficientes.
`skipNodeFeatureDiscoveryDependencyCheck`	N	Controla la comprobación de dependencia para la detección de funciones de nodo.	La comprobación de dependencia afecta el etiquetado de nodos y la detección de GPU.	Si falta la detección de funciones de nodo: Es posible que los nodos de GPU no estén etiquetados. Es posible que el operador no detecte nodos de GPU.	Utilice este argumento sólo cuando la detección de funciones de nodo ya esté instalada. Asegúrese de que las etiquetas de nodo necesarias estén presentes y sean correctas.
`disableNvidiaGpuPlugin`	Y	Desactiva el plugin de dispositivo GPU NVIDIA independiente.	La desactivación del plugin independiente evita que se ejecuten plugins de dispositivos de GPU duplicados en el cluster.	Si este argumento está configurado incorrectamente: Es posible que se ejecuten varios plugins de dispositivos de GPU. Los plugins pueden entrar en conflicto. Es posible que los recursos de GPU se informen incorrectamente.	Desactive el plugin de dispositivo de GPU NVIDIA independiente cuando utilice el operador de GPU NVIDIA.

Documentación de Oracle Cloud Infrastructure

Operador de GPU de NVIDIA