阿里云容器服务ACK通过指定版本号自定义节点GPU驱动版本-云淘科技

注意事项

• 对于GPU驱动版本与您业务应用的兼容性（GPU驱动版本与CDUA库版本的兼容性），ACK不保证两者之间兼容性，请您自行验证。

• 对于已经安装GPU驱动、NVIDIA Container Runtime等GPU组件的自定义操作系统镜像，ACK无法保证其提供的GPU驱动与ACK其他GPU组件兼容（例如监控组件等）。

• 通过节点池标签指定节点池中GPU节点的驱动版本时，由于安装驱动的过程是在添加节点时被触发，因此仅对新扩容或新添加的节点有效，对节点池中已经存在的节点无效。如果希望对已有节点有效，那么需要将该节点从节点池移除，再加入原节点池。具体操作，请参见移除节点和添加已有节点。

• 机型ecs.gn7.xxxxx和ecs.ebmgn7.xxxx对510.xxx和515.xxx版本驱动存在兼容性问题，建议使用关闭GSP的510以下的驱动版本（例如：470.xxx.xxxx）或525.125.06及其以上的驱动版本。

• NVIDIA各卡型（P100、T4、V100、A10等）对驱动版本的更详细的要求，请参见NVIDIA官方文档。

步骤一：确定NVIDIA驱动版本

从ACK支持的NVIDIA驱动版本列表选择与您业务相匹配的NVIDIA驱动版本。具体操作，请参见如何选择节点NVIDIA驱动版本。

步骤二：创建节点池并指定驱动版本

本文以驱动版本418.181.07为例进行介绍。

1. 登录容器服务管理控制台，在左侧导航栏选择集群。

2. 在集群列表页面，单击目标集群名称，然后在左侧导航栏，选择节点管理 > 节点池。

3. 单击右上角的创建节点池，然后在创建节点池对话框配置相关参数。

   主要配置项说明如下。关于配置项的详细说明，请参见创建Kubernetes托管版集群。

   1. 单击显示高级选项。

   2. 在节点标签参数栏添加标签，单击图标，然后在键文本框输入ack.aliyun.com/nvidia-driver-version，在值文本框输入418.181.07。

      关于容器服务提供的可用NVIDIA驱动版本，请参见ACK支持的NVIDIA驱动版本列表。

      重要

      实例规格为ecs.ebmgn7或ecs.ebmgn7e的ECS，仅支持460.32.03之后的NVIDIA驱动版本。

   3. 参数配置完成后，单击确认配置。

步骤三：验证节点池自定义安装NVIDIA驱动是否成功

1. 登录容器服务管理控制台，在左侧导航栏选择集群。

2. 在目标集群右侧的操作列，选择更多 > 通过 CloudShell 管理集群。

3. 执行以下命令，查看带有component: nvidia-device-plugin标签的Pod。

   kubectl get po -n kube-system -l component=nvidia-device-plugin -o wide

   预期输出：

   NAME                                            READY   STATUS    RESTARTS   AGE   IP              NODE                       NOMINATED NODE   READINESS GATES
   nvidia-device-plugin-cn-beijing.192.168.1.127   1/1     Running   0          6d    192.168.1.127   cn-beijing.192.168.1.127              
   nvidia-device-plugin-cn-beijing.192.168.1.128   1/1     Running   0          17m   192.168.1.128   cn-beijing.192.168.1.128              
   nvidia-device-plugin-cn-beijing.192.168.8.12    1/1     Running   0          9d    192.168.8.12    cn-beijing.192.168.8.12               
   nvidia-device-plugin-cn-beijing.192.168.8.13    1/1     Running   0          9d    192.168.8.13    cn-beijing.192.168.8.13               
   nvidia-device-plugin-cn-beijing.192.168.8.14    1/1     Running   0          9d    192.168.8.14    cn-beijing.192.168.8.14               

   预期输出表明，NODE列集群中刚添加的节点对应的Pod名称为nvidia-device-plugin-cn-beijing.192.168.1.128。

4. 执行以下命令查看节点的驱动版本是否符合预期。

   kubectl exec -ti nvidia-device-plugin-cn-beijing.192.168.1.128 -n kube-system -- nvidia-smi

   预期输出：

   Sun Feb  7 04:09:01 2021       
   +-----------------------------------------------------------------------------+
   | NVIDIA-SMI 418.181.07   Driver Version: 418.181.07   CUDA Version: N/A      |
   |-------------------------------+----------------------+----------------------+
   | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
   | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
   |===============================+======================+======================|
   |   0  Tesla V100-SXM2...  On   | 00000000:00:07.0 Off |                    0 |
   | N/A   27C    P0    40W / 300W |      0MiB / 16130MiB |      0%      Default |
   +-------------------------------+----------------------+----------------------+
   |   1  Tesla V100-SXM2...  On   | 00000000:00:08.0 Off |                    0 |
   | N/A   27C    P0    40W / 300W |      0MiB / 16130MiB |      0%      Default |
   +-------------------------------+----------------------+----------------------+
   |   2  Tesla V100-SXM2...  On   | 00000000:00:09.0 Off |                    0 |
   | N/A   31C    P0    39W / 300W |      0MiB / 16130MiB |      0%      Default |
   +-------------------------------+----------------------+----------------------+
   |   3  Tesla V100-SXM2...  On   | 00000000:00:0A.0 Off |                    0 |
   | N/A   27C    P0    41W / 300W |      0MiB / 16130MiB |      0%      Default |
   +-------------------------------+----------------------+----------------------+
                                                                                  
   +-----------------------------------------------------------------------------+
   | Processes:                                                       GPU Memory |
   |  GPU       PID   Type   Process name                             Usage      |
   |=============================================================================|
   |  No running processes found                                                 |
   +-----------------------------------------------------------------------------+

   预期输出表明，驱动版本为418.181.07，即通过节点池自定义安装NVIDIA驱动成功。

其他方式

使用OpenAPI方式创建或者扩容集群时，可在目标节点池的配置中设置自定义驱动的标签。示例代码如下：

{
  // 其他部分省略
  ......
    "tags": [
        {
            "key": "ack.aliyun.com/nvidia-driver-version",
            "value": "418.181.07"
        }
    ],
  // 其他部分省略
  ......
}