全局配置
设备配置：ConfigMap
备注
以下列出的所有配置都在 hami-scheduler-device ConfigMap 中管理。
您可以通过以下方法之一更新这些配置：
-
直接编辑 ConfigMap：如果 HAMi 已成功安装，您可以使用 kubectl edit 命令手动更新 hami-scheduler-device ConfigMap。
kubectl edit configmap hami-scheduler-device -n <namespace>更改后，重启相关的 HAMi 组件以应用更新的配置。
-
修改 Helm Chart：更新 ConfigMap 中的相应值，然后重新应用 Helm Chart 以重新生成 ConfigMap。
| 参数 | 类型 | 描述 | 默认值 |
|---|---|---|---|
nvidia.deviceMemoryScaling | 浮点数 | NVIDIA 设备显存缩放比例，允许大于 1（启用虚拟设备显存，实验性功能）。对于一块拥有 M 显存的 NVIDIA GPU，若设置为 S，则由该 GPU 拆分出的 vGPU 在 Kubernetes 中将获得 S * M 的显存。 | 1 |
nvidia.deviceSplitCount | 整数 | 单块 GPU 可分配的最大任务数。 | 10 |
nvidia.migstrategy | 字符串 | 设置为 "none" 表示忽略 MIG 功能，设置为 "mixed" 表示以独立资源方式分配 MIG 设备。 | "none" |
nvidia.disablecorelimit | 字符串 | 设置为 "true" 表示禁用核心限制，设置为 "false" 表示启用核心限制。 | "false" |
nvidia.defaultMem | 整数 | 当前任务默认使用的设备显存（MB）。若为 0，则表示使用设备 100% 显存。 | 0 |
nvidia.defaultCores | 整数 | 当前任务默认预留的 GPU 核心百分比。0 表示只要显存够就可用任何 GPU；100 表示独占整块 GPU。 | 0 |
nvidia.defaultGPUNum | 整数 | 默认分配的 GPU 数量。若设为 0，则会被过滤。如果 Pod 的资源未显式设置 nvidia.com/gpu，则 webhook 会检查是否设置了 nvidia.com/gpumem、resource-mem-percentage 或 nvidia.com/gpucores，若设置了其中任一项，则自动添加默认值的 nvidia.com/gpu。 | 1 |
nvidia.resourceCountName | 字符串 | vGPU 数量的资源名。 | "nvidia.com/gpu" |
nvidia.resourceMemoryName | 字符串 | vGPU 显存大小的资源名。 | "nvidia.com/gpumem" |
nvidia.resourceMemoryPercentageName | 字符串 | vGPU 显存比例的资源名。 | "nvidia.com/gpumem-percentage" |
nvidia.resourceCoreName | 字符串 | vGPU 核心的资源名。 | "nvidia.com/cores" |
nvidia.resourcePriorityName | 字符串 | vGPU 任务优先级的资源名。 | "nvidia.com/priority" |
Chart 配置：参数
您可以通过使用 -set 设置以下参数来自定义您的 vGPU 支持，例如
helm install hami hami-charts/hami --set devicePlugin.deviceMemoryScaling=5 ...
| 参数 | 类型 | 描述 | 默认值 |
|---|---|---|---|
devicePlugin.service.schedulerPort | 整数 | 调度器 webhook 服务的 NodePort 端口。 | 31998 |
scheduler.defaultSchedulerPolicy.nodeSchedulerPolicy | 字符串 | GPU 节点调度策略："binpack" 表示尽可能将任务分配到同一个 GPU 节点；"spread" 表示尽可能将任务分配到不同的 GPU 节点。 | "binpack" |
scheduler.defaultSchedulerPolicy.gpuSchedulerPolicy | 字符串 | GPU 调度策略："binpack" 表示尽可能将任务分配到同一个 GPU；"spread" 表示尽可能将任务分配到不同的 GPU。 | "spread" |
Pod 配置：注解
| 参数 | 类型 | 描述 | 示例 |
|---|---|---|---|
nvidia.com/use-gpuuuid | 字符串 | 如果设置了此字段，则该 Pod 分配的设备 必须 是此字符串中定义的 GPU UUID 之一。 | "GPU-AAA,GPU-BBB" |
nvidia.com/nouse-gpuuuid | 字符串 | 如果设置了此字段，则该 Pod 分配的设备 不能 是此字符串中定义的 GPU UUID。 | "GPU-AAA,GPU-BBB" |
nvidia.com/nouse-gputype | 字符串 | 如果设置了此字段，则该 Pod 分配的设备 不能 是此字符串中定义的 GPU 类型。 | "Tesla V100-PCIE-32GB, NVIDIA A10" |
nvidia.com/use-gputype | 字符串 | 如果设置了此字段，则该 Pod 分配的设备 必须 是此字符串中定义的 GPU 类型之一。 | "Tesla V100-PCIE-32GB, NVIDIA A10" |
hami.io/node-scheduler-policy | 字符串 | GPU 节点调度策略："binpack" 表示将 Pod 分配到已有负载的 GPU 节点上执行，"spread" 表示分配到不同的 GPU 节点上执行。 | "binpack" 或 "spread" |
hami.io/gpu-scheduler-policy | 字符串 | GPU 卡调度策略："binpack" 表示将 Pod 分配到同一块 GPU 卡上执行，"spread" 表示分配到不同的 GPU 卡上执行。 | "binpack" 或 "spread" |
nvidia.com/vgpu-mode | 字符串 | 指定该 Pod 希望使用的 vGPU 实例类型。 | "hami-core" 或 "mig" |
容器配置：环境变量
| 参数 | 类型 | 描述 | 默认值 |
|---|---|---|---|
GPU_CORE_UTILIZATION_POLICY | 字符串 | 定义 GPU 核心使用策略：
| "default" |
CUDA_DISABLE_CONTROL | 布尔值 | 若为 "true"，容器内将不会启用 HAMi-core，导致无资源隔离与限制（用于调试）。 | false |