在 最后一篇文章 ,我們研究了 MIG 運算符是如何演變的，添加了豐富的功能集來處理 GPU 發現、支持 GPU 安培體系結構的新多實例 GPU （ MIG ）功能、 vGPU 以及用于 Red Hat OpenShift 的認證。
在本文中，我們將介紹 GPU Operator release 1 . 8 中添加的新功能，進一步簡化 GPU 對各種部署場景的管理，包括：
- 增加了對 GPU 操作員升級的支持
- 支持 NVX 交換機系統，包括 DGX A100 和 NVIDIA HGX A100 服務器
- 支持收集 GPU 操作員狀態指標
- GPU 運營商和網絡運營商改進多節點培訓
- 支持 Red Hat OpenShift 4 . 8
NVIDIA 軟件生命周期管理
GPU Operator 的 1 . 8 版為組織提供了更新機制，以更新其 GPU Operator 版本，而不會中斷運行 GPU Operator 的群集的工作流。 GPU Operator 的早期版本要求用戶在安裝新版本之前卸載以前的版本，這意味著在升級過程中群集中沒有可用的 GPU 。
從 1 . 8 開始，升級版本不會中斷工作流程。該機制以滾動方式一次更新一個節點，因此其他節點可以繼續使用。只有在安裝完成且上一個節點重新聯機時，下一個節點才會更新。用戶可以確信，在更新 GPU 操作員時，他們的工作流程將得到更好的管理。
現在支持 NVS 交換機系統
對于 1 . 8 ， GPU 操作員自動在 NVIDIA 上部署初始化結構所需的軟件 NVSwitch 系統，包括 NVIDIA HGX A100 和 DGX A100 。一旦初始化，所有 GPU 都可以在全 NVLink 帶寬下相互通信，以創建一個可擴展的終端計算平臺。
GPU 操作員還經過認證，可在 DGX A100 系統上與 Red Hat OpenShift 4 一起使用。
支持收集 GPU 操作員狀態指標
在 1 . 8 版本中， GPU 運營商現在報告各種指標，供用戶監控 GPU 運營商和 GPU – 運營商資源命名空間下的運營商部署資源的總體運行狀況。 SRE 團隊和集群管理員現在可以配置必要的 Prometheus 用于收集指標以及在某些故障情況下觸發警報的資源。
對于 OpenShift 容器平臺，這些資源將在此版本中自動創建。監控解決方案，如 Grafana 可用于構建儀表板和可視化 GPU 操作員和節點組件的操作狀態。
更好地結合： NVIDIA 加速計算和聯網
最近， NVIDIA 發布了 NVIDIA Network Operator . 模擬 NVIDIA GPU Operator ，網絡運營商通過自動化網絡部署和配置的各個方面簡化了 Kubernetes 的擴展網絡設計，否則需要手動操作。它在具有 NVIDIA 網絡接口的任何群集節點上加載所需的驅動程序、庫、設備插件和 CNI 。
當它們一起部署時， NVIDIA GPU 和網絡運營商啟用 GPU 直接 RDMA ，即不同節點上 NVIDIA GPU 之間的快速數據路徑。這是數據密集型工作負載（如 AI 多節點培訓）的關鍵技術促成因素。
了解有關最新版本的更多信息 NVIDIA 網絡運營商發布 .
增加了對 Red Hat OpenShift 的支持
我們繼續支持紅帽 OpenShift 。
- GPU Operator 1 . 8 和 1 . 7 支持 Red Hat OpenShift 4 . 8 和 4 . 7
- GPU 運算符 1 . 6 支持 Red Hat OpenShift 4 . 7
- GPU 運算符 1 . 5 支持 Red Hat OpenShift 4 . 6
- GPU Operator 1 . 4 和 1 . 3 分別支持 Red Hat OpenShift 4 . 5 和 4 . 4
概括
以下資源可用于使用 NVIDIA GPU 運算符：
NVIDIA GPU 運算符是許多應用程序的關鍵組件 邊緣計算 解決。了解有關 NVIDIA 解決方案的更多信息 邊緣計算 .
?
