如何调整Kubernetes GPU调度策略参数

调整Kubernetes GPU调度策略参数可从以下方面入手：

• 资源请求与限制：在Pod的resources字段中，通过requests和limits设置GPU资源需求，如nvidia.com/gpu: 1，并确保二者一致以保证稳定分配。若需更精细控制，可使用MIG实例分配，如nvidia.com/gpu-mig-1g.5gb: 1（需集群支持）。
• 节点亲和性与反亲和性：通过nodeAffinity将Pod调度到特定GPU节点，如requiredDuringSchedulingIgnoredDuringExecution设置硬约束，preferredDuringSchedulingIgnoredDuringExecution设置软约束。也可使用nodeSelector简化标签匹配。
• 污点与容忍：为GPU节点添加污点，如kubectl taint nodes gpu=true:NoSchedule，并在Pod中添加对应容忍以独占资源。
• 拓扑感知调度：利用topologySpreadConstraints分散Pod分布，提升跨可用区容灾能力，设置maxSkew、topologyKey等参数。
• 自定义调度器：对于复杂场景，可使用Volcano等自定义调度器，或编写K8s Scheduler Extender，调整调度逻辑。