登录
推荐 文章 Go 技术 课程 下载 专题 AI
首页 >  科技周边 >  业界新闻

CNCF Dynamic Resource Allocation 怎样支持 AI 工作负载的设备调度

来源:17golang原创

时间:2026-11-19 15:08:07 354浏览 收藏

Dynamic Resource Allocation(DRA)通过资源申请表达设备需求,再让 Kubernetes 为申请匹配设备,并把 Pod 放到能够访问这些设备的节点上。CNCF 在 2026 年 11 月 10 日公告中,把工作负载感知调度与 DRA 列为 AI 基础设施的进展方向。它解决的是硬件需求怎样进入资源分配过程,而不是替模型自动选择最佳训练方案。

Kubernetes 官方地址:https://kubernetes.io/

先把 AI 任务的设备需求写清

假设团队同时安排一个批量推理任务和一个离线训练任务,两者都说“需要加速器”,却未必能使用同一类设备。讨论调度以前,先把需求拆开:所需硬件类别、模型能接受的设备条件、任务持续时间、结果保存位置。这个场景只是规划示例,不是已经执行的集群实验。

我的建议是让模型维护者提供最低需求,平台维护者说明实际可用硬件。不要先照搬设备名称,再让应用迁就一个并不存在的资源。

资源申请连接任务与硬件

Kubernetes 文档把 DeviceClass、ResourceClaim 和 Pod 联系起来:类别用于组织可申请的设备,申请描述任务需要的资源,Pod 引用申请。设备还需要支持 DRA 的驱动,驱动通过 ResourceSlice 提供资源信息。把这些角色分开,才能判断缺的是需求描述、设备供给还是任务引用。

设备类别、资源申请与 Pod 的静态关系
原创结构说明图:DRA 对象职责关系,不是运行截图。

对业务团队而言,可以把资源申请视为一份独立的硬件需求约定。它与容器镜像、输入数据和输出路径一起组成任务说明,避免仅用一句“放到有卡的机器上”交接工作。

按职责准备一次小范围试用

下面是采用前的工作安排建议,并非可直接执行的安装配置。实际字段、驱动支持和可用功能应采用集群对应版本的官方文档。

负责方准备内容交付给下一方的信息
模型维护者确定任务最低硬件要求必要条件与可调整条件
平台维护者确认驱动与设备类别真实可申请范围
工作负载维护者组织申请与 Pod 引用任务、申请和输出的对应关系
共同评估记录等待和执行结果是否继续扩展试用

先选一个不承担线上关键请求的任务,保持模型和输入材料固定,只讨论设备分配是否表达了原有要求。这样更容易把调度问题与模型本身的问题分开。试用结束还应明确哪些任务对象和申请需要保留,哪些按所用版本的生命周期规则清理。

模型维护者、平台维护者与工作负载维护者的职责关系
原创职责说明图:采用前的工作分配示例,不代表官方组织结构。

等待设备时不要只改副本数

如果任务等待设备,增加更多同样的任务未必能解决问题。先核对需求是否过严、可用类别是否符合模型要求,再检查任务与申请是否对应。需要记录的是具体等待原因,而不是只看提交是否成功。

DRA 文档还列出一项限制:调度器不支持对 DRA 资源进行抢占。高优先级任务可能仍需等待设备释放。规划重要任务时,应把可用容量与等待安排纳入讨论,不能仅依靠优先级作出即时运行承诺。

如何判断这条调度方向是否适合自己

如果团队面对多种专用硬件、任务需求不同且由多人共同维护,显式的资源申请有助于形成清楚的交接关系。如果当前任务始终固定在一套环境里,也可以先整理需求与设备清单,再判断是否值得引入新的资源管理方式。

这次公告传达的方向,是让复杂 AI 工作负载的计算与专用硬件协调更明确。它没有为所有集群给出统一的吞吐提升数字,也不能代替驱动适配和应用层的资源规划。

常见问题

DRA 是一个独立的 CNCF 调度产品吗?这里讨论的是 Kubernetes 的动态资源分配能力,CNCF 公告将其作为基础设施进展提及。

有 GPU 就可以直接使用吗?还要确认设备驱动支持与集群配置,不能只凭硬件存在作出判断。

申请成功就意味着模型一定运行更快吗?不能。设备分配与模型性能是不同问题,性能需要在实际负载中另行评估。

参考:Kubernetes DRA 官方说明;CNCF 公告。

声明:本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
相关阅读
更多>
最新阅读
更多>
课程推荐
更多>