通過指定版本號碼自訂節點GPU驅動版本 - Container Service for Kubernetes

不同類型和版本的ACK叢集預設安裝不同版本的NVIDIA驅動。如果您的CUDA庫需要與更高版本的NVIDIA驅動相容，您可以自訂安裝GPU節點的NVIDIA驅動。本文將介紹如何基於節點池標籤定製GPU節點的NVIDIA驅動版本。

注意事項

ACK不保證GPU驅動版本與CUDA庫版本的相容性，您需要自行驗證二者之間的適配性。
NVIDIA各卡型對驅動版本的更詳細的要求，請參見NVIDIA官方文檔。
對於已經安裝GPU驅動、NVIDIA Container Runtime等GPU組件的自訂動作系統鏡像，ACK無法保證其提供的GPU驅動與ACK其他GPU組件相容（例如監控組件等）。
通過節點池標籤指定GPU節點的驅動版本時，驅動安裝過程在添加節點時觸發，因此僅適用於新擴容或新添加的節點，現有節點將不受影響。如需對已有節點應用新驅動，請移除節點並重新添加已有節點。
執行個體規格為gn7和ebmgn7對510.xxx和515.xxx版本驅動存在相容性問題，建議使用關閉GSP的510以下的驅動版本（例如：470.xxx.xxxx）或525.125.06及其以上的驅動版本。
執行個體規格為ebmgn7或ebmgn7e的ECS，僅支援460.32.03之後的NVIDIA驅動版本。
建立節點池過程中，如果您指定的驅動版本不存在於ACK支援的NVIDIA驅動版本列表，ACK將自動安裝預設驅動版本。若您指定了與最新作業系統不相容驅動版本，可能存在節點添加失敗的情況，需選擇目前支援的最新驅動版本。

步驟一：確定NVIDIA驅動版本

從ACK支援的NVIDIA驅動版本列表中選擇與您業務相匹配的NVIDIA驅動版本。本文以驅動版本550.144.03為例進行介紹。

步驟二：指定驅動版本建立節點池

登入Container Service管理主控台，在左側導覽列選擇叢集列表。
在叢集列表頁面，單擊目的地組群名稱，然後在左側導覽列，選擇節點管理 > 節點池。
單擊左上方的建立節點池，關於配置項的詳細說明，請參見建立和管理節點池。主要配置如下。
在節點標籤（Labels）參數欄添加標籤，單擊表徵圖，然後在鍵文字框輸入ack.aliyun.com/nvidia-driver-version，在值文字框輸入550.144.03。

步驟三：驗證節點池自訂安裝NVIDIA驅動是否成功

執行以下命令，查看帶有component: nvidia-device-plugin標籤的Pod。

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

預期輸出：

NAME                             READY   STATUS    RESTARTS   AGE     IP              NODE                       NOMINATED NODE   READINESS GATES
ack-nvidia-device-plugin-fnctc   1/1     Running   0          2m33s   10.117.227.43   cn-qingdao.10.117.XXX.XX   <none>           <none>

預期輸出表明，NODE列叢集中剛添加的節點對應的Pod名稱為ack-nvidia-device-plugin-fnctc。

執行以下命令查看節點的驅動版本是否符合預期。

kubectl exec -ti ack-nvidia-device-plugin-fnctc -n kube-system -- nvidia-smi

預期輸出：

Mon Mar 24 08:51:55 2025       
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.144.03             Driver Version: 550.144.03     CUDA Version: 12.6     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  Tesla P4                       On  |   00000000:00:07.0 Off |                    0 |
| N/A   33C    P8              7W /   75W |       0MiB /   7680MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
                                                                                         
+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|  No running processes found                                                             |
+-----------------------------------------------------------------------------------------+

預期輸出表明，驅動版本為550.144.03，即通過節點池自訂安裝NVIDIA驅動成功。

其他方式

使用CreateClusterNodePool 建立節點池時，可在目標節點池的配置中設定自訂驅動的標籤。範例程式碼如下：

{
  // 其他部分省略
  ......
    "tags": [
        {
            "key": "ack.aliyun.com/nvidia-driver-version",
            "value": "550.144.03"
        }
    ],
  // 其他部分省略
  ......
}