NVIDIA/gpu-operator

解决的问题

消除了在 Kubernetes 节点上手动配置和管理 NVIDIA GPU 软件的繁琐且易出错的过程。无需为每个 GPU 节点准备专用的 OS 镜像，管理员可以使用标准 OS 镜像，并自动部署所需的驱动程序和运行时。

工作原理

利用 Kubernetes operator 框架，该项目自动管理所有必需的 NVIDIA 软件组件的生命周期。它将这些组件以容器形式部署，包括 NVIDIA 驱动程序（用于 CUDA）、GPU 的 Kubernetes 设备插件、NVIDIA 容器运行时以及基于 DCGM 的监控，同时处理自动节点标签化。

适用人群

需要在云环境或本地环境中快速部署和扩展 GPU 节点，而无需手动管理底层软件栈的 Kubernetes 集群管理员。

主要亮点

• 自动安装 NVIDIA 驱动程序、容器运行时和设备插件。
• 支持 CPU 和 GPU 节点均使用标准 OS 镜像。
• 通过以容器形式运行软件，简化组件更新和替换。
• 提供基于 DCGM 的集成监控。