K8s原生对象说明

Service label

表1 集群调度对Service的使用说明
名称	作用	取值	使用组件
group-name	标记Pod对应的acjob的group名称	mindxdl.gitee.com	Volcano、Ascend Operator
job-name	标记Pod对应的acjob名称	字符串	Ascend Operator
replica-index	标记Pod序号（后续将删除）	[0-{pod数量-1}]	Ascend Operator
replica-type	标记Pod类型（后续将删除）	master chief scheduler worker	Ascend Operator
training.kubeflow.org/job-name	标记Pod对应的acjob名称	字符串	Ascend Operator
training.kubeflow.org/operator-name	标记创建Pod的operator名称	ascendjob-controller	Ascend Operator
training.kubeflow.org/replica-index	标记Pod序号	[0-{pod数量-1}]	Ascend Operator
training.kubeflow.org/replica-type	标记Pod类型	master chief scheduler worker	Ascend Operator

node label

表2 集群调度对node label使用说明
node label名称	作用	取值	使用组件
accelerator	标识节点的处理芯片	huawei-Ascend910、huawei-Ascend310、huawei-Ascend310P	Ascend Device Plugin
host-arch	标识节点的CPU架构	huawei-x86；huawei-arm	Volcano
masterselector	标识MindCluster的管理节点	dls-master-node	Volcano、Ascend Operator、Resilience Controller、ClusterD
node.kubernetes.io/npu.chip.name	上报当前芯片的具体类型	310 310P1 310P2 310P3 310P4 {xxx}A 910PremiumA 910ProA 910ProB {xxx}Bx（x可取值为1、2、3、4）	Ascend Device Plugin 说明：芯片型号的数值可通过npu-smi info命令查询，返回的“Name”字段对应信息为芯片型号，下文的{xxx}即取“910”字符作为芯片型号数值。
nodeDEnable	NodeD节点启动的开关	on	Volcano、Resilience Controller 说明： nodeDEnable=on标签表示启用NodeD的节点状态监测功能，用于获取节点的状态信息并用于判断节点是否故障。取值为off或无该参数表示仅上报节点信息，不判断节点是否故障。使用容器化支持或者资源监测时，可以不配置该标签；其他特性必须配置该标签。
workerselector	标识MindCluster的计算节点	dls-worker-node	Ascend Device Plugin、NodeD、NPU Exporter
accelerator-type	标识Atlas服务器类型	card module half module-{xxx}b-8 module-{xxx}b-16 card-{xxx}b-2 card-{xxx}b-infer module-a3-16	Ascend Device Plugin、Volcano
servertype	Atlas 200I SoC A1 核心板标识	soc Ascend910-{aicore核数} Ascend310P-{aicore核数}	Volcano、Ascend Device Plugin
huawei.com/Ascend910-Recover	Atlas 训练系列产品故障恢复标识	故障芯片ID	Ascend Device Plugin
huawei.com/Ascend910-NetworkRecover	Atlas 训练系列产品网络故障恢复标识	故障芯片ID	Ascend Device Plugin
infer-card-type	由Ascend Device Plugin写入，表明节点推理卡类型。	card-300i-duo	Volcano
mind-cluster/npu-chip-memory	芯片片上内存	mind-cluster/npu-chip-memory=64G	Volcano、Ascend Device Plugin

Pod label

表3 集群调度组件对Pod label使用说明
名称	作用	取值	使用组件
ring-controller.atlas	标识Atlas的Pod	ascend-910 ascend-{xxx}b	Ascend Device Plugin
vnpu-dvpp	标记Pod设置的dvpp	yes：该pod使用DVPP。 no：该pod不使用DVPP。 null：默认值。不关注是否使用DVPP。	Volcano
vnpu-level	标记选择虚拟化实例模板的等级。	low：低配，默认值。 high：性能优先。	Volcano
version	标记Pod的版本	字符串	Ascend Operator
volcano.sh/job-name	标记Pod对应vcjob名称	字符串	Volcano
volcano.sh/job-namespace	标记Pod对应vcjob名称空间	字符串	Volcano
volcano.sh/queue-name	标记Pod对应queue名称	字符串	Volcano
volcano.sh/task-spec	标记Pod对应task名称	字符串	Volcano
fault-type	标记Pod故障处理策略	SubHealth Separate	Volcano
deploy-name	标记Pod对应的deployment名称	字符串	Ascend Operator
group-name	标记Pod对应的acjob的group名称	mindxdl.gitee.com	Volcano、Ascend Operator
job-name	标记Pod对应的acjob名称	字符串	Ascend Operator
replica-index	标记Pod序号（后续将删除）	[0-{pod数量-1}]	Ascend Operator
replica-type	标记Pod类型（后续将删除）	master chief scheduler worker	Ascend Operator
training.kubeflow.org/job-name	标记Pod对应的acjob名称	字符串	Ascend Operator
training.kubeflow.org/job-role	标记Pod类型	master	Ascend Operator
training.kubeflow.org/operator-name	标记创建Pod的operator名称	ascendjob-controller	Ascend Operator
training.kubeflow.org/replica-index	标记Pod序号	[0-{pod数量-1}]	Ascend Operator
training.kubeflow.org/replica-type	标记Pod类型	master chief scheduler worker	Ascend Operator

Pod annotation

表4 集群调度组件对Pod annotation使用说明
名称	作用	取值	使用组件
ascend.kubectl.kubernetes.io/ascend-910-configuration	Ascend Operator生成hccl.json的数据来源	字符串map	Ascend Device Plugin、 Ascend Operator
super_pod_id	为Ascend Operator提供超节点ID信息	数字	Ascend Operator
hccl/rankIndex	断点续训中保持原rankId的依据	[0,1000]	Volcano、Ascend Operator
distributed-job	标记训练任务类型	true：当前任务为分布式任务 false：当前任务为单机任务	Volcano
huawei.com/Ascend910	Ascend Device Plugin为Pod分配芯片的依据。	字符串	Volcano、Ascend Device Plugin
huawei.com/AscendReal	Ascend Device Plugin为Pod实际分配芯片的记录。	字符串	Volcano、Ascend Device Plugin
huawei.com/npu-core	标记Pod使用的npu卡物理ID及切分模板。	字符串	Volcano、Ascend Device Plugin
huawei.com/kltDev	kubelet为Pod分配芯片的记录。	字符串	Ascend Device Plugin
predicate-time	Ascend Device Plugin为Pod分配芯片的顺序依据。	字符串	Volcano、Ascend Device Plugin
isSharedTor	标记Pod对应的交换机属性	整数	Volcano
isHealthy	标记Pod对应的交换机状态	整数	Volcano
scheduling.k8s.io/group-name	标记Pod对应podGroup名称	字符串	Volcano
volcano.sh/job-name	标记Pod对应的vcjob名称	字符串	Volcano
volcano.sh/job-version	标记Pod对应的vcjob版本	字符串	Volcano
volcano.sh/queue-name	标记Pod对应的queue版本	字符串	Volcano
volcano.sh/task-spec	标记Pod对应task名称	字符串	Volcano
volcano.sh/template-uid	标记Pod对应pod-template名称	字符串	Volcano
sharedTorIp	标记任务使用的共享交换机信息	字符串	Volcano、ClusterD
fault-job-delete	标记job的rank信息	字符串	Volcano
mind-cluster/hardware-type=800I-A2-xx	xx表示当前节点的片上内存，例如mind-cluster/hardware-type=800I-A2-64G	字符串	Volcano

Node annotation

表5 集群调度组件对Node annotation使用说明
名称	作用	取值	使用组件
baseDeviceInfos	展示芯片的基础信息，例如IP，供Volcano调度时使用	字符串	Volcano
product-serial-number	NodeD通过ipmi接口获取节点SN号并写入annotation，供ClusterD接收公共故障时使用。	字符串	ClusterD
superPodID	表示该节点所属的超节点的ID。	字符串	ClusterD
ResetInfo	展示Ascend Device Plugin自动复位失败的芯片信息，如芯片的物理ID、Card ID等。	字符串	Ascend Device Plugin

ResetInfo的内容格式如下所示。

{
    "ThirdPartyResetDevs": [
        {
            "CardId": 0,
            "DeviceId": 0,
            "AssociatedCardId": 4,
            "PhyID": 0,
            "LogicID": 0
        }
    ],
    "ManualResetDevs": [
        {
            "CardId": 1,
            "DeviceId": 0,
            "AssociatedCardId": 5,
            "PhyID": 2,
            "LogicID": 2
        }
    ]
}

K8s的ServiceAccount

表6 组件在K8s中创建的ServiceAccount列表
账号名	说明
volcano-controllers	开源Volcano的controller组件在K8s中创建的用户。
volcano-scheduler	开源Volcano的scheduler组件在K8s中创建的用户。
ascend-device-plugin-sa-910	用YAML启动服务，将会在K8s中创建该用户，不同型号的设备使用的账号名不同。
ascend-device-plugin-sa-310p
ascend-device-plugin-sa-310
ascend-operator-manager	用YAML启动服务，将会在K8s中创建该用户，如：ascend-operator-v{version}.yaml。
resilience-controller	建议安全加固启动，使用带without-token的YAML启动服务，在K8s中创建并使用resilience-controller账号，同时为该账号授予适当权限。
noded	用YAML启动服务，将会在K8s中创建该用户，如：noded-v{version}.yaml。
clusterd	用YAML启动服务，将会在K8s中创建该用户，如：clusterd-v{version}.yaml。
default	MindCluster组件或开源Volcano部署时会在K8s中自动创建的用户。

父主题： API参考