NVIDIA/k8s-device-plugin

1. 【主题】

打破GPU与容器之间的壁垒，让Kubernetes集群像调度CPU一样轻松调度NVIDIA GPU。

2. 【核心分点总结】

1. 资源暴露：将GPU以nvidia.com/gpu的形式注册到K8s，让调度器看得见、分得清。

2. 健康检查：实时监控GPU健康状态，自动隔离故障卡，保障训练任务不中断。

3. MIG支持：完美适配A100/H100的Multi-Instance GPU特性，将一张物理卡切分为多个独立实例，提升利用率。

4. 拓扑感知：感知GPU与NVLink的拓扑结构，让调度器做出最优分配，榨干算力。

3. 【行动指南】

1. 场景：在K8s上跑深度学习训练或推理服务时，只需通过Helm一键安装，即可让Pod申请GPU资源。
2. 场景：使用A100/H100等高端卡时，开启MIG模式，通过配置策略将GPU切分，供多个轻量级任务共享。
3. 上手：部署后，只需在Pod的resources.limits中声明nvidia.com/gpu，即可体验GPU加速。

4. 【金句总述】

让每一张NVIDIA GPU在Kubernetes集群中都能被精准调度，释放算力的最后一公里。

5. 【故事性收尾】

曾经，你需要在服务器间奔波，手动分配GPU，生怕资源争抢导致任务崩溃；如今，你只需在YAML里写下几行声明，看着Pod如候鸟般精准降落在空闲的GPU上，而你，终于可以端起咖啡，从容地注视着训练曲线稳步下降。