快速开始

只需几分钟，即可通过部署 Helm Chart 并提交您的第一个 GPU 共享工作负载快速上手 HAMi。

先决条件

在部署 HAMi 之前，请确保您的 GPU 节点满足以下前置条件：

• Helm v3+
• kubectl v1.23+
• CUDA v10.2+
• NVIDIA 驱动 v440+
• NVIDIA Container Toolkit (需预先配置并将 nvidia-container-runtime 设为默认容器运行时)

---

1. 标记节点

使用 gpu=on 标签标记目标 GPU 节点。未标记的节点将不会由 HAMi 管理：

kubectl label nodes <node-name> gpu=on

---

2. 使用 Helm 部署 HAMi

添加官方 HAMi Helm 仓库并进行部署：

helm repo add hami-charts https://project-hami.github.io/HAMi/
helm repo update
helm install hami hami-charts/hami -n kube-system

确认 hami-scheduler 和 hami-device-plugin 的 Pod 处于 Running 状态：

kubectl get pods -n kube-system | grep hami

---

3. 提交 vGPU 工作负载

创建一个申请 1 个 vGPU 及 10240 MiB 显存限制的 Pod：

apiVersion: v1
kind: Pod
metadata:
  name: gpu-pod
spec:
  containers:
    - name: ubuntu-container
      image: ubuntu:22.04
      command: ["bash", "-c", "sleep 86400"]
      resources:
        limits:
          nvidia.com/gpu: 1
          nvidia.com/gpumem: 10240

提交 YAML 并等待 Pod 启动完毕：

kubectl apply -f gpu-pod.yaml
kubectl wait --for=condition=Ready pod/gpu-pod --timeout=120s

---

4. 验证 GPU 显存隔离

在运行的容器中执行 nvidia-smi：

kubectl exec -it gpu-pod -- nvidia-smi

预期输出显示 HAMi-core 的显存硬限制 (10240MiB)：

[HAMI-core Msg]: Initializing.....
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.54.15              Driver Version: 550.54.15      CUDA Version: 12.4     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|=========================================+========================+======================|
|   0  Tesla V100-PCIE-32GB           On  |   00000000:3E:00.0 Off |                    0 |
| N/A   29C    P0             24W /  250W |       0MiB /  10240MiB |      0%      Default |
+-----------------------------------------------------------------------------------------+

---

清理资源

删除测试 Pod：

kubectl delete pod gpu-pod