Vai al contenuto principale
Versione: 3.0.0-alpha (Diátaxis)

🧩 Dettagli del campo addons.gpuOperator

Il campo addons.gpuOperator definisce la configurazione dell'add-on NVIDIA GPU Operator, utilizzato per gestire automaticamente le GPU in un cluster Kubernetes. Questo componente installa e mantiene i driver NVIDIA, i plugin di esecuzione, il device plugin, nonche gli strumenti di monitoring necessari all'utilizzo delle GPU.

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

gpuOperator (Object) — Obbligatorio​

Descrizione​

Il campo gpuOperator raggruppa la configurazione principale dell'add-on NVIDIA GPU Operator. Permette di attivare la distribuzione del componente e di regolarne la configurazione.

Esempio​

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

enabled (boolean) — Obbligatorio​

Descrizione​

Indica se il GPU Operator è attivato (true) o disattivato (false) nel cluster. Quando è attivato, l'operatore distribuisce automaticamente i componenti necessari alla gestione delle GPU NVIDIA.

Esempio​

enabled: true

valuesOverride (Object) — Obbligatorio​

Descrizione​

Il campo valuesOverride permette di sovrascrivere i valori predefiniti del GPU Operator. E utilizzato per personalizzare il comportamento della distribuzione (attivazione del driver, del toolkit, dei plugin o configurazione delle risorse).

Esempio​

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

💡 Buone pratiche​

  • Attivare enabled: true sui nodi dotati di GPU affinche l'operatore gestisca automaticamente i componenti NVIDIA.
  • Utilizzare valuesOverride per adattare la configurazione alle esigenze specifiche (es. attivare o disattivare il driver se già installato manualmente).
  • Distribuire il GPU Operator solo negli ambienti in cui sono necessari workload GPU (IA, ML, calcolo scientifico).