gpu-operator

rocm/gpu-operator Docker Image

AMD GPU Operator用于在Kubernetes集群中配置、监控和管理AMD GPU资源,提供GPU设备的自动配置、健康监控及生命周期管理能力,简化GPU在容器化环境中的部署与运维。

3 次收藏下载次数: 0状态:社区镜像维护者:AMD ROCm 官方容器镜像仓库类型:镜像最近更新:

AMD GPU Operator 技术文档

镜像概述和主要用途

AMD GPU Operator是一款专为Kubernetes集群设计的工具,用于简化AMD GPU资源的管理流程。它通过自动化配置GPU驱动、设备插件和监控组件,实现GPU设备在Kubernetes环境中的即插即用,同时提供全面的设备健康监控和生命周期管理能力,帮助用户高效利用GPU资源进行计算任务。

核心功能和特性

  • 自动配置:自动部署和配置AMD GPU驱动、容器运行时插件及设备插件,无需手动干预底层GPU环境配置。
  • GPU资源监控:集成监控组件,实时采集GPU使用率、温度、内存占用等关键指标,支持与Prometheus、Grafana等监控平台对接。
  • 生命周期管理:提供GPU设备的健康检查、故障检测及自动恢复能力,保障GPU资源稳定运行。
  • Kubernetes原生集成:遵循Kubernetes资源模型,支持通过Pod、Deployment等原生资源申请和使用GPU,与Kubernetes调度机制深度整合。
  • 版本兼容性管理:自动匹配GPU硬件与驱动版本,支持多版本驱动共存,适配不同场景下的GPU计算需求。

使用场景和适用范围

适用场景

  • AI/机器学习训练与推理任务(如TensorFlow、PyTorch等框架的GPU加速)
  • 高性能计算(HPC)工作负载
  • 图形渲染与可视化应用
  • 实时数据处理与流计算

适用范围

  • 部署有AMD GPU硬件的Kubernetes集群(支持Kubernetes 1.20+版本)
  • 需要对GPU资源进行精细化管理的企业级容器平台
  • 追求自动化运维、降低GPU管理复杂度的技术团队

详细使用方法和配置说明

安装前提

  • Kubernetes集群(1.20+版本),已配置容器运行时(Docker、containerd等)
  • 集群节点已安装AMD GPU硬件,且BIOS启用GPU直通(如适用)
  • 集群已部署Helm 3(推荐用于Operator安装)

安装步骤

1. 添加Helm仓库

bash
helm repo add amd-gpu-operator https://gitlab.com/api/v4/projects/38394975/packages/helm/stable
helm repo update

2. 安装GPU Operator

bash
helm install amd-gpu-operator amd-gpu-operator/gpu-operator \
  --namespace gpu-operator-resources \
  --create-namespace \
  --set driver.repository=amdgpu_driver \
  --set driver.version=5.4-22.40.1

配置参数说明

参数路径描述默认值
driver.repositoryGPU驱动镜像仓库amdgpu_driver
driver.versionGPU驱动版本5.4-22.40.1
monitoring.enabled是否启用GPU监控true
monitoring.serviceMonitor.enabled是否创建Prometheus ServiceMonitortrue
resourceManager.enabled是否启用GPU资源管理器true
nodeSelector指定部署节点的标签选择器{}

自定义配置示例

通过修改values.yaml文件自定义配置:

yaml
driver:
  version: 5.6-23.10.1  # 指定驱动版本
  imagePullPolicy: Always  # 总是拉取最新镜像
monitoring:
  metricsCollector.interval: 10s  # 监控指标采集间隔
resourceManager:
  limits:
    cpu: 500m
    memory: 512Mi

验证安装

安装完成后,检查相关组件状态:

bash
kubectl get pods -n gpu-operator-resources

预期输出包含gpu-operator-xxx、amdgpu-driver-xxx、gpu-metrics-exporter-xxx等Pod,状态均为Running。

卸载方法

bash
helm uninstall amd-gpu-operator -n gpu-operator-resources
kubectl delete namespace gpu-operator-resources

注意事项

  • 确保集群节点的GPU硬件与指定驱动版本兼容,参考https://www.amd.com/en/support/kb/release-notes/rn-amdgpu-unified-linux-22-40。
  • 监控功能依赖Prometheus Operator,需提前在集群中部署。
  • 多GPU节点集群中,建议通过nodeSelector或taint/toleration控制GPU资源的调度范围。

镜像拉取方式

您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。

轩辕镜像加速拉取命令点我查看更多 gpu-operator 镜像标签

docker pull docker.xuanyuan.run/rocm/gpu-operator:<标签>

DockerHub 原生拉取命令

docker pull rocm/gpu-operator:<标签>
专业版 · 高速稳定拉取镜像
50GB 仅 ¥8/年
高速镜像下载在线技术支持专业版保障服务可用付费会员免广告