安装前必读

使用约束

kubelet请确保根目录有足够的磁盘空间，根目录的磁盘空间利用率高于85%会触发kubelet的资源驱逐机制，将导致服务不可用。磁盘空间要求说明请参见表1；驱逐策略请查看Kubernetes官方文档。
Arm架构和x86_64架构使用的集群调度组件镜像不能相互兼容。
K8s默认的证书有效期为365天，到期前需要用户自行更新。

组件介绍

集群调度组件的功能介绍，请参见表1。

表1 集群调度组件说明
组件	功能介绍
Ascend Docker Runtime	为训推任务提供容器化支持，自动挂载所需文件和设备依赖。
Ascend Device Plugin	基于Kubernetes设备插件机制，提供昇腾AI处理器的设备发现、分配和健康状态上报功能，使能Kubernetes管理昇腾AI处理器资源。
NPU Exporter	实时监测昇腾AI处理器的资源指标，获取如昇腾AI处理器的利用率、温度、电压等信息。
Volcano	基于开源Volcano调度插件机制，增加昇腾AI处理器的亲和性调度、故障重调度等特性，最大化发挥昇腾AI处理器计算性能。
ClusterD	提供集群级别的可用资源信息。收集集群任务信息、资源信息和故障信息及影响范围，从任务、芯片和故障维度统计分析。
Ascend Operator	提供训练任务生命周期管理，为不同AI框架的分布式训练任务提供相应的环境变量、生成分布式训练任务依赖的集合通讯配置。
NodeD	提供节点状态上报功能，上报如节点健康状态、CPU和内存等故障信息。
Resilience Controller	提供弹性缩容训练服务。在训练任务使用的硬件发生故障时，剔除该硬件并继续训练。
Elastic Agent	提供训练任务故障时刻保存临终CheckPoint能力。了解Elastic Agent的安装步骤请参见制作镜像。
MindIO ACP	在大模型训练中，使用训练服务器内存作为缓存，对CheckPoint的保存及加载进行加速。了解MindIO ACP的详细介绍及安装步骤请参见《MindCluster CheckPoint保存与加载优化》。
MindIO TFT	MindIO TFT包括TTP、UCE和ARF等功能。了解MindIO TFT的详细介绍及安装步骤请参见《MindCluster 故障恢复加速》。

组件部署说明

安装部署集群调度组件时，可以参考图1，将相应的集群调度组件或其他第三方软件安装到相应的节点上。大部分组件都使用容器化方式部署；Ascend Docker Runtime使用二进制方式部署；只有NPU Exporter组件既可以使用容器化方式部署，又可以使用二进制方式部署。

图1 组件安装部署

MindCluster提供Volcano组件，该组件在开源Volcano上集成了昇腾插件（Ascend-volcano-plugin）。

日志路径说明

Ascend Docker Runtime日志路径为“/var/log/ascend-docker-runtime/”。
其他集群调度组件日志路径可参考创建日志目录章节信息。