跳转到文档内容
版本：下一个

Kubernetes 的 HAMi DRA

介绍​

HAMi 已经提供了对 K8s DRA（动态资源分配）功能的支持。 HAMi DRA webhook 是一个 Kubernetes mutating webhook，能够自动将 GPU 设备资源请求转换为 DRA ResourceClaim，从而实现 GPU 工作负载的动态资源分配。它可以让你在 DRA 模式下获得与传统 DevicePlugin 使用方式一致的使用体验。

功能特性​

  • 自动资源转换：将 GPU 资源请求转换为 ResourceClaim
  • 资源清理：自动移除 Pod spec 中的 GPU 资源字段，并创建对应的 ResourceClaim
  • 注解支持：支持通过 Pod 注解进行设备选择（UUID、设备类型）
  • 指标监控：可选的 monitor 组件，通过 Prometheus 采集并暴露 GPU 资源指标

前提条件​

  • Kubernetes 版本 >= 1.34 并且 DRA Consumable Capacity featuregate 已启用
  • 底层容器运行时（例如 containerd 或 CRI-O）必须启用 CDI
  • NVIDIA GPU 驱动版本 440 及以上

安装​

1. 安装 cert-manager​

HAMi DRA Webhook 依赖 cert-manager 提供 TLS 证书，需要提前安装：

helm repo add jetstack https://charts.jetstack.io
helm install cert-manager jetstack/cert-manager \
  --namespace cert-manager \
  --create-namespace \
  --set crds.enabled=true

2. 安装 HAMi-DRA​

helm repo add hami-dra https://project-hami.github.io/HAMi-DRA
helm repo update
helm install hami-dra hami-dra/hami-dra

如果 GPU 驱动是主机预装的（非 GPU Operator 管理），需额外添加以下参数：

helm install hami-dra hami-dra/hami-dra \
  --set drivers.nvidia.containerDriver=false

验证安装​

检查所有 Pod 是否正常运行：

$ kubectl get pods -n hami-system
NAME                                     READY   STATUS    RESTARTS   AGE
hami-dra-driver-kubelet-plugin-bzkr4     1/1     Running   0          73m
hami-hami-dra-monitor-7b484d5f95-bxx6z   1/1     Running   0          74m
hami-hami-dra-webhook-64bfdc6b86-fnwtp   1/1     Running   0          74m

检查 GPU 设备是否已发布为 ResourceSlice：

$ kubectl get resourceslices
NAME                                             NODE         DRIVER                          POOL         AGE
ecs-a10-sh-hami-core-gpu.project-hami.io-nnxrv   ecs-a10-sh   hami-core-gpu.project-hami.io   ecs-a10-sh   73m

配置​

设备资源​

可以通过 --set 参数或自定义 values.yaml 配置设备资源名称，默认值为：

resourceName: "nvidia.com/gpu"
resourceMem: "nvidia.com/gpumem"
resourceCores: "nvidia.com/gpucores"

Monitor 组件​

monitor 组件是可选功能，通过 Prometheus 采集并暴露 GPU 资源指标，默认启用。

通过 NodePort 暴露 monitor 服务：

monitor:
  enabled: true
  service:
    type: NodePort
    nodePort:
      metrics: 31995

支持的设备​

DRA 功能的实现需要对应设备的 DRA Driver 提供支持，目前支持的设备包括：

参照对应的页面安装设备驱动。

使用方式​

HAMi DRA 支持两种使用模式：DRA 原生模式和 DevicePlugin 兼容模式。

DRA 原生模式​

创建 ResourceClaim 来请求指定 cores 和 memory 的 GPU：

apiVersion: resource.k8s.io/v1
kind: ResourceClaim
metadata:
  name: gpu-half-claim
spec:
  devices:
    requests:
      - name: gpu
        exactly:
          deviceClassName: hami-core-gpu.project-hami.io
          allocationMode: ExactCount
          count: 1
          capacity:
            requests:
              cores: 50
              memory: "10Gi"

在 Pod 中引用该 ResourceClaim：

apiVersion: v1
kind: Pod
metadata:
  name: gpu-test-dra
spec:
  containers:
    - name: cuda
      image: nvidia/cuda:13.0.1-base-ubi9
      command: ["sleep", "3600"]
      resources:
        claims:
          - name: gpu
  resourceClaims:
    - name: gpu
      resourceClaimName: gpu-half-claim
  restartPolicy: Never

DevicePlugin 兼容模式​

HAMi DRA webhook 会自动将 DevicePlugin 风格的资源请求转换为 DRA ResourceClaim，可以使用与传统模式完全相同的资源语法：

apiVersion: v1
kind: Pod
metadata:
  name: gpu-test-compatible
spec:
  containers:
    - name: cuda
      image: nvidia/cuda:13.0.1-base-ubi9
      command: ["sleep", "3600"]
      resources:
        limits:
          nvidia.com/gpu: 1
          nvidia.com/gpumem: 10240
          nvidia.com/gpucores: 50
  restartPolicy: Never

查看监控​

HAMi DRA 提供了与传统模式相同的监控功能，安装 HAMi DRA 时会默认启用监控服务，你可以将监控服务通过 NodePort 暴露到外部，或添加 Prometheus 采集来访问监控指标。

你可以在设备分配监控页面查看 HAMi DRA 提供的监控指标。

访问指标：

curl http://<node-ip>:31995/metrics

关于 monitor 的详细配置、指标说明及 Prometheus 集成，请参考 HAMi DRA Monitor 文档。

CNCFHAMi 是 CNCF Sandbox 项目