ROCm/k8s-device-plugin

解决的问题

该项目使 Kubernetes 集群能够识别并使用 AMD GPU。没有设备插件，Kubernetes 无法原生调度需要 AMD GPU 特定硬件加速的计算工作负载。

工作原理

它实现了 Kubernetes 设备插件接口，允许将 AMD GPU 注册为容器集群中的可调度资源。通常以 DaemonSet 形式部署在所有配备 AMD GPU 的节点上，确保硬件对集群调度器可见。它还可以与 AMD GPU Operator 集成，实现更广泛的资源管理。

适用人群

管理使用 AMD 硬件进行计算密集型任务（如机器学习或高性能计算）的 Kubernetes 集群的系统管理员和 DevOps 工程师。

主要亮点

• Kubernetes 集成：使 AMD GPU 可作为标准可调度资源使用。
• 健康监控：通过 gRPC 套接字服务支持实验性的 GPU 级细粒度健康检测。
• 灵活部署：可通过标准 YAML 清单或 Helm Chart 部署。
• 节点标签：包含一个节点标签工具，用于向集群节点添加额外的 GPU 属性。