ClusterD

使用整卡调度、静态vNPU调度、动态vNPU调度、断点续训、弹性训练、推理卡故障恢复或推理卡故障重调度的用户，必须安装ClusterD。集群中同时存在Ascend Device Plugin和NodeD组件时，ClusterD才能提供全量的信息收集服务。
在安装ClusterD时，建议提前安装Volcano。若ClusterD先于Volcano安装，ClusterD所在的Pod可能会CrashLoopBackOff，需等待Volcano的Pod启动后，ClusterD才会恢复正常。
仅使用容器化支持和资源监测的用户，可以不安装ClusterD，请直接跳过本章节。

操作步骤

以root用户登录K8s管理节点，并执行以下命令，查看ClusterD镜像和版本号是否正确。
```
docker images | grep clusterd
```
回显示例如下：
1
clusterd v7.1.RC1 c532e9d0889c About an hour ago 126MB
- 是，执行步骤2。
- 否，请参见准备镜像，完成镜像制作和分发。
将ClusterD软件包解压目录下的YAML文件，拷贝到K8s管理节点上任意目录。
如不修改组件启动参数，可跳过本步骤。否则，请根据实际情况修改YAML文件中ClusterD的启动参数。启动参数请参见表1，可以在ClusterD二进制包的目录下执行./clusterd -h查看参数说明。

在管理节点的YAML所在路径，执行以下命令，启动ClusterD。

kubectl apply -f clusterd-v{version}.yaml

启动示例如下：

clusterrolebinding.rbac.authorization.k8s.io/pods-clusterd-rolebinding created
lease.coordination.k8s.io/cluster-info-collector created
deployment.apps/clusterd created
service/clusterd-grpc-svc created

执行以下命令，查看组件是否启动成功。

kubectl get pod -n mindx-dl

回显示例如下，出现Running表示组件启动成功。

NAME                          READY   STATUS              RESTARTS   AGE
clusterd-7844cb867d-fwcj7     0/1     Running            0          45s

安装组件后，组件的Pod状态不为Running，可参考组件Pod状态不为Running章节进行处理。
安装组件后，组件的Pod状态为ContainerCreating，可参考集群调度组件Pod处于ContainerCreating状态章节进行处理。
启动组件失败，可参考启动集群调度组件失败，日志打印“get sem errno =13”章节信息。
组件启动成功，找不到组件对应的Pod，可参考组件启动YAML执行成功，找不到组件对应的Pod章节信息。

参数说明

表1 ClusterD启动参数
参数	类型	默认值	说明
-version	bool	false	查询ClusterD版本号。 true：查询。 false：不查询。
-logLevel	int	0	日志级别： -1：debug 0：info 1：warning 2：error 3：critical
-maxAge	int	7	日志备份时间，取值范围为7~700，单位为天。
-logFile	string	/var/log/mindx-dl/clusterd/clusterd.log	日志文件。说明：单个日志文件超过20 MB时会触发自动转储功能，文件大小上限不支持修改。转储后文件的命名格式为：clusterd-触发转储的时间.log，如：clusterd-2024-06-07T03-38-24.402.log。
-maxBackups	int	30	转储后日志文件保留个数上限，取值范围为1~30，单位为个。
-useProxy	bool	false	是否使用代理转发gRPC请求。 true：是 false：否说明：建议在启动YAML中将本参数取值配置为“true”，并对ClusterD进行安全加固，详细说明请参见ClusterD安全加固章节。
-h或者-help	无	无	显示帮助信息。

父主题： 手动安装