NVIDIA NodeWright-ı təqdim etdi: Kubernetes düyünləri üçün açıq mənbə paket meneceri

NVIDIA, GPU klasterlərindəki düyünlərin host əməliyyat sistemlərini iş yüklərini dayandırmadan deklarativ şəkildə konfiqurasiya edib yeniləyən açıq mənbəli NodeWright-ı təqdim edib. Alət NVIDIA istehsalatında Skyhook adı ilə işləyirdi və DSX OS-in hissəsidir.

Skriptlərdən deklarativ düyün idarəsinə

Komandalar düyünləri adətən Ansible playbook-ları, xüsusi skriptlər və əl ilə yazılmış təlimatlar ilə idarə edir. Bu yanaşma nüvə yeniləməsi RDMA-nı söndürəndə və ya yüzlərlə maşında CVE düzəltmək lazım gələndə sıradan çıxır. GPU avadanlığı qıtdır və uzun təlim işlərini sadəcə köçürmək mümkün deyil; əsl vəzifə bütün donanmanı təlimi dayandırmadan dəyişməkdir.

NodeWright necə işləyir

Paketlər Kubernetes Custom Resource-larıdır, ona görə kubectl, Helm və ya Argo CD ilə yerləşdirilir. Operator hər hədəf düyündə sabit ardıcıllıq icra edir: cordon, kəsilməz pod-ların bitməsini gözləmə, qalanların drain edilməsi, paketin tətbiqi və konfiqurasiyası, sonra uncordon — xidmət və ya düyün yalnız zərurət olduqda yenidən başladılır.

Paketlər sysctl və GRUB parametrlərini tənzimləyə, təhlükəsizlik agentlərini qura və CVE-ləri aradan qaldıra bilir. NodeWright hər paketin versiyasını hər düyündə izləyir və icra sırasını bəyan edilmiş asılılıqlara görə müəyyən edir; CVE paketi hələ də yüklənmiş zədələnmiş nüvə modulunu aşkar edib özünü uğursuz işarələyə bilər.

Geniş miqyasda təhlükəsiz yayılma

DeploymentPolicy resursu kompartmentləri müəyyən edir: etiketlərlə seçilən, hər biri öz kəsilmə büdcəsinə və strategiyasına malik düyün qrupları. Üç strategiya var: sabit partiya ölçüləri, xətti artım (1, 2, 3…) və eksponensial artım (1, 2, 4, 8…). Partiya həddi irəliləmək üçün lazım olan uğur faizini göstərir, uğursuzluq həddi isə təkrar uğursuzluqlardan sonra kompartmenti dayandıra bilər.

Nəsə yanlış getsə, yeniləmə yayılmaq əvəzinə dayanır: xətalar statusda görünür, uğursuz Job-lar işarələnir və düyünlər diaqnostika üçün etiket alır. Yeni düyünlərin klasterə yalnız bütün paketlər və yoxlamalar keçdikdən sonra çıxarılan taint ilə qoşulması tələb oluna bilər.

Ekosistem və mövcudluq

NodeWright yoxlanılmış konfiqurasiyaların reseptlərini Helm, Argo CD və ya Flux üçün hazır paketlər kimi yayımlayan NVIDIA AI Cluster Runtime (AICR) ilə inteqrasiya olunur və NVCRE ilə NVSentinel-in yanında çalışır. Apache 2.0 lisenziyalı alət OCI artefaktından Helm ilə quraşdırılır; tənzimləmə paketləri Hopper və Blackwell GPU-larını, Google Kubernetes Engine düyünlərini və EFA sürücülü Amazon EKS klasterlərini əhatə edir.