文档中心

容器服务

请输入

GPU 组件

nvidia-device-plugin

nvidia-device-plugin 组件为容器服务集群中的 NVIDIA GPU 管理组件。本文介绍该组件的作用、核心资源以及安装与升级说明。

组件概述

nvidia-device-plugin 组件是容器服务提供的 GPU 设备管理组件，提供 NVIDIA 设备驱动，支持在容器里使用 GPU 显卡设备。

在集群中安装 nvidia-device-plugin 组件后，系统会在 kube-system 命名空间下创建如下 Kubernetes 资源。

资源名称	资源类型	资源说明
nvidia-device-plugin	DaemonSet	组件核心工作负载，负责该节点上的 GPU 发现、注册与健康检查。
dcgm-exporter	DaemonSet	NVIDIA GPU 监控采集器，负责实时采集底层 GPU 显卡的各项运行状态（如显存使用率、算力利用率）等。

说明

上表中仅罗列出了该组件的主要资源，以及配置组件或对应功能时可能使用到的资源，方便您了解该组件的主要组成。其他的组件相关资源（例如 ConfigMap、Secret 等）不多做介绍，请以集群中的实际为准。

组件版本

关于组件的历史发布记录、各版本新增特性及优化说明等信息，详情请参见组件发布记录。

安装组件

参数	描述
部署插件	选择是否安装 NVIDIA GPU 资源监控插件 dcgm-exporter。默认安装该插件。说明推荐您保持默认值。若不安装 dcgm-exporter，则无法使用云原生观测功能监控 NVIDIA GPU 相关的指标。
采集间隔	配置 dcgm-exporter 采集间隔。您可以根据业务实时性要求，自定义指标的采集间隔。
关闭 XID 健康检查	选择是否关闭 NVIDIA GPU 的 XID 健康检查功能。关闭后，系统不会再基于 XID 异常，自动隔离异常的 GPU 设备。说明当 nvidia-device-plugin 组件版本为 v2.2.0 及以上版本时，默认开启（即关闭 XID 健康检查功能）。当 nvidia-device-plugin 组件版本为 v2.2.0 以下版本时，默认关闭（即开启 XID 健康检查功能）。
Exporter 采集端口	配置 dcgm-exporter 的监控指标的采集端口，默认为 9400。
Exporter 主机网络	配置 dcgm-exporter 是否使用节点主机网络（即hostNetwork模式）。开启：dcgm-exporter 使用 hostNetwork 网络运行，可通过localhost:<采集端口>在节点本地访问监控指标。关闭：（默认）dcgm-exporter 使用 Pod 网络运行，无法通过节点的localhost:<采集端口>直接访问监控指标。说明开启前，请确保所有目标节点的 TCP 采集端口（例如 9400）未被占用，否则 dcgm-exporter 将因端口冲突而启动失败。
资源配置	自定义组件内各资源的 CPU 请求和上限、内存请求和上限。

升级组件

组件会不定期发布新版本以提供新特性或修复已知问题。当组件卡片提示有可用更新时，建议您及时进行升级。为确保业务平稳过渡，升级前请尽量安排在业务低峰期执行操作。关于升级的操作步骤和注意事项，请参见升级组件。

重置组件

在安装组件、更新组件配置或升级组件时，可在参数配置弹窗中单击重置为默认值，将当前页面中的配置项恢复为该组件版本的默认值。重置后，当前填写或修改但尚未提交的配置将被覆盖，请确认参数无误后单击确认提交配置。

注意

重置组件配置后，组件参数将恢复为当前版本的默认值，而非上一次提交的配置，同时当前配置将无法保留。该功能通常用于配置异常、升级后原有参数不再适用或需要基于默认值重新配置组件的场景。重置前，请确认当前配置已不再需要，并谨慎操作。