本文详细介绍了在单节点Kubernetes集群中使用HAMi实现NVIDIA GPU共享的完整流程。主要内容包括：部署前的环境检查（NVIDIA驱动和容器运行时配置）、HAMi的Helm安装方法、关键组件验证，以及多个核心功能的测试验证：显存切分（固定值和百分比）、GPU算力比例限制、设备型号/UUID指定等。重点澄清了nvidia.com/gpu资源的误解，指出该字段表示申请的GPU设备实例数而

本文记录了在Kubernetes单节点集群（配备NVIDIA RTX 3070Ti显卡）上测试VolcanovGPU与HAMi-core实现GPU共享调度的过程。测试验证了四个核心场景：1）单Pod成功申请vGPU资源（2000Mi显存/30%核心）；2）VolcanoJob通过minAvailable实现GangScheduling，确保两个worker同时调度；3）资源不足时PodGroup保

本文介绍了在Kubernetes集群中部署NVIDIA GPU Operator的完整流程。主要内容包括：1. 环境准备（Kubernetes 1.35.5、NVIDIA RTX 3070Ti显卡、containerd运行时）；2. 通过Helm部署GPU Operator并配置相关参数，包括禁用自动安装驱动（driver.enabled=false）和启用DCGM Exporter；3. 验证G

在 Kubernetes 里，服务暴露通常会经历下面几个阶段。最开始，我们可能会用NodePort后来为了支持域名、路径转发、HTTPS 等能力，开始使用Ingress但是随着 Kubernetes 使用场景越来越复杂，尤其是在多团队、多命名空间、灰度发布、Header 匹配、流量权重、跨命名空间路由等场景下，Ingress 的表达能力开始显得不够。Gateway API 就是在这个背景下出现的。

原因是本文是单节点测试集群，没有云厂商 LoadBalancer，也没有安装 MetalLB，所以 Envoy Gateway 创建出来的 LoadBalancer Service 没有获得外部 IP。这不是 Gateway YAML 写错。Envoy 数据面 Pod Running本文在单节点 Kubernetes 测试环境中完成了 Envoy Gateway 和 Gateway API 的基础

PrometheusRule 判断告警↓告警经过 PENDING 后进入 FIRING↓Prometheus 将告警发送给 Alertmanager↓Alertmanager 按 namespace 和 alertname 分组↓根据 alertname 和 notify_group 匹配路由↓critical 抑制同名 warning 和 info 通知↓通过 QQ SMTP 发送告警与恢复邮件

本文详细介绍了在单节点Kubernetes集群中使用HAMi实现NVIDIA GPU共享的完整流程。主要内容包括：部署前的环境检查（NVIDIA驱动和容器运行时配置）、HAMi的Helm安装方法、关键组件验证，以及多个核心功能的测试验证：显存切分（固定值和百分比）、GPU算力比例限制、设备型号/UUID指定等。重点澄清了nvidia.com/gpu资源的误解，指出该字段表示申请的GPU设备实例数而

本文记录了在Kubernetes单节点集群（配备NVIDIA RTX 3070Ti显卡）上测试VolcanovGPU与HAMi-core实现GPU共享调度的过程。测试验证了四个核心场景：1）单Pod成功申请vGPU资源（2000Mi显存/30%核心）；2）VolcanoJob通过minAvailable实现GangScheduling，确保两个worker同时调度；3）资源不足时PodGroup保

原因是本文是单节点测试集群，没有云厂商 LoadBalancer，也没有安装 MetalLB，所以 Envoy Gateway 创建出来的 LoadBalancer Service 没有获得外部 IP。这不是 Gateway YAML 写错。Envoy 数据面 Pod Running本文在单节点 Kubernetes 测试环境中完成了 Envoy Gateway 和 Gateway API 的基础

PrometheusRule 判断告警↓告警经过 PENDING 后进入 FIRING↓Prometheus 将告警发送给 Alertmanager↓Alertmanager 按 namespace 和 alertname 分组↓根据 alertname 和 notify_group 匹配路由↓critical 抑制同名 warning 和 info 通知↓通过 QQ SMTP 发送告警与恢复邮件