### 问题 海光 vDCU 的 K8s Devices 字段只映射了设备节点，**未实现显存隔离**。 同一块物理卡启动的两个 vDCU Pod 共享同一块物理显存。 算力倒是真正隔离了，压测显示显卡利用率确实限制在了设置的利用率范围以下。但是显存还是用公用的同一块切分显存。 参数示例： ```language resources: limits: hygon.com/dcunum: 1 hygon.com/dcumem: 16 hygon.com/dcucores: 20 ``` ### 组件版本 | 组件 | 版本 | 说明 | | ---------------------- | ---------------------------- | ----------------------------------------------------- | | Kubernetes | 1.28.x | 控制平面 + 工作节点 | | Calico | v3.28.0+ | 容器网络（K8s 1.28 要求 >= v3.28） | | Volcano | v1.14 海光定制版 | 含 deviceshare.VDCUEnable 扩展 | | HAMi | latest (Helm) | webhook + scheduler extender（extender 冗余但无影响） | | 海光 DCU-Device-Plugin | **>= v2.4.0（推荐 v2.4.1）** | HAMi 模式，**必须设置 RESOURCE_MULTIPLE=true** | | 海光 DCU-Exporter | >= v2.4.0（推荐 v2.4.1） | 可选，暴露 DCU Prometheus 监控指标 | | 海光 DCU-Label-Node | >= v2.4.0（推荐 v2.4.1） | 可选，自动打 DCU 型号/显存标签 | | 海光 DCU 驱动 | >= 6.3.8 | vDCU 动态切分最低要求 | 显卡信息：K100 AI ### 详细信息 | 测试场景 | 结论 | | ------------------------------------ | ----------------------------------------------------- | | PyTorch 单 Pod | 看到 15.98G（≈16G vDCU 配额），能分配 14G | | PyTorch 两个 Pod 同卡 | 看起来隔离（此时未真正占用显存） | | vLLM 两个 Pod (gpu-mem-util=0.4) | ✅ 都成功（各用 ~6.4G，共 12.8G < 16G） | | **vLLM 两个 Pod (gpu-mem-util=0.6)** | ❌ **第二个失败**（第一个占 10.89G，第二个只剩 5.09G） | **关键证据**（vLLM-B 错误日志）： ``` ValueError: Free memory on device (5.09/15.98 GiB) on startup is less than desired GPU memory utilization (0.6, 9.59 GiB). ``` - vLLM-B 看到总显存：15.98 GiB（vDCU 配额） - vLLM-B 可用显存：**5.09 GiB**（部分被 vLLM-A 占用） - vLLM-A 占用：15.98 - 5.09 = **10.89 GiB** **结论**：两个 vDCU Pod 共享物理显存，没有真正隔离。 驱动详细版本是Driver Version: 6.3.30-V1.4.1a