Zum Hauptinhalt springen
Version: 3.0.0-alpha (Diátaxis)

🧩 Details zum Feld addons.gpuOperator

Das Feld addons.gpuOperator definiert die Konfiguration des Add-ons NVIDIA GPU Operator, das zur automatischen Verwaltung von GPUs in einem Kubernetes-Cluster verwendet wird. Diese Komponente installiert und pflegt die NVIDIA-Treiber, die Laufzeit-Plugins, das device plugin sowie die für den GPU-Betrieb erforderlichen Monitoring-Tools.

addons:
  gpuOperator:
    enabled: true
    valuesOverride:
      gpuOperator:
        driver:
          enabled: true
        toolkit:
          enabled: true
        devicePlugin:
          enabled: true

gpuOperator (Object) — Erforderlich​

Beschreibung​

Das Feld gpuOperator gruppiert die Hauptkonfiguration des NVIDIA GPU Operator Add-ons. Es ermöglicht die Aktivierung der Komponentenbereitstellung und die Anpassung ihrer Konfiguration.

Beispiel​

gpuOperator:
  enabled: true
  valuesOverride:
    gpuOperator:
      driver:
        enabled: true

enabled (boolean) — Erforderlich​

Beschreibung​

Gibt an, ob der GPU Operator im Cluster aktiviert (true) oder deaktiviert (false) ist. Wenn er aktiviert ist, stellt der Operator automatisch die für die Verwaltung der NVIDIA-GPUs erforderlichen Komponenten bereit.

Beispiel​

enabled: true

valuesOverride (Object) — Erforderlich​

Beschreibung​

Das Feld valuesOverride ermöglicht das Überschreiben der Standardwerte des GPU Operators. Es wird verwendet, um das Bereitstellungsverhalten anzupassen (Aktivierung des Treibers, des Toolkits, der Plugins oder Konfiguration der Ressourcen).

Beispiel​

valuesOverride:
  gpuOperator:
    driver:
      enabled: true
    toolkit:
      enabled: true
    devicePlugin:
      enabled: true

💡 Best Practices​

  • Aktivieren Sie enabled: true auf Knoten mit GPUs, damit der Operator die NVIDIA-Komponenten automatisch verwaltet.
  • Verwenden Sie valuesOverride, um die Konfiguration an spezifische Anforderungen anzupassen (z.B. driver aktivieren oder deaktivieren, falls bereits manuell installiert).
  • Stellen Sie den GPU Operator nur in Umgebungen bereit, in denen GPU-Workloads (KI, ML, wissenschaftliches Rechnen) erforderlich sind.