场景介绍
该场景适用于用户已经有一个部署好的Kubernetes集群，需要纳管新的NPU服务器，并且可以使用NPU设备管理、NPU优化调度、断点续训和推理卡故障重调度等特性。使用该场景时，需要在已有的Kubernetes集群的管理节点（Master）部署NPU管理组件，在新接入的NPU服务器上部署计算节点（Worker）的NPU管理组件。
安装组件列表
表1 集群调度场景安装组件列表组件
|
功能说明
|
|---|
Ascend Docker Runtime
|
支持容器使用昇腾NPU。
|
Ascend Device Plugin
|
支持NPU设备管理功能。
|
Volcano
|
支持NPU优化调度、断点续训、推理卡故障重调度。
|
HCCL-Controller（可选）
|
需要为NPU训练任务生成ranktable file文件（也叫hccl.json文件）功能时请安装。
|
NodeD（可选）
|
需要使用断点续训（节点故障）功能时请安装。
|
NPU-Exporter（可选）
|
需要使用NPU设备管理中的状态监测功能时请安装。
|
安装步骤
- 参考软件包说明，获取安装组件的软件包。
- 安装Ascend Docker Runtime，具体操作请参见安装Ascend Docker Runtime。
- 根据组件部署方式，选择对应操作。
- 如果组件选择使用容器部署，请参考制作镜像制作组件的镜像。
- 如果Ascend Device Plugin和NPU-Exporter选择使用二进制部署，不需要制作组件的镜像可跳过本步骤。
- 参考创建用户，在组件部署的节点上创建用户。
- 参考创建日志目录，在组件部署的节点上创建对应的日志目录。
- （可选）参考导入证书和KubeConfig，导入NPU-Exporter启动HTTPS服务需要的证书，如果启动HTTP服务，可以不导入证书，跳过本步骤。
- （可选）参考导入证书和KubeConfig，导入HCCL-Controller、NodeD、Resilience-Controller、Ascend Device Plugin连接K8s使用的KubeConfig文件，如果使用ServiceAccount可以不导入KubeConfig文件，跳过本步骤。
- 参考创建命名空间，在K8s中创建命名空间。
- 参考创建节点标签，给节点打标签。
- 参考常用操作章节，启动各组件。