检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
2及以上版本的GPU插件时，支持以节点池级别配置XGPU虚拟化开关。 NPU配置 当不开启驱动选择时，无法根据用户诉求指定驱动版本，无法依靠插件进行驱动维护。如从控制台创建NPU节点，控制台会自动补充NPU驱动（用户无法指定版本和类型）安装命令，并在安装完成后自动重启节点；如通过API或其他方式创建节
集群外资源迁移 若您的集群不涉及表1中的集群外资源，或迁移后无需使用其他云服务进行资源替换，可忽略本章节内容。 容器镜像迁移 为保证集群迁移后容器镜像可正常拉取，提升容器部署效率，十分建议您将私有镜像迁移至容器镜像服务SWR。CCE配合SWR为您提供容器自动化交付流水线，采用并行
资源配额控制器（resource-quota-controller）配置 启用资源配额管理 是否启用资源配额管理功能 参数名 取值范围 默认值 是否允许修改 作用范围 enable-resource-quota true/false false 允许 1.21版本以上的CCE Standard/CCE
管理自定义资源 自定义资源定义（Custom Resource Definition，CRD） 是对Kubernetes API的扩展，当默认的Kubernetes资源无法满足业务需求时，您可以通过CRD对象来定义新的资源类别。 根据CRD的定义，您可以在集群中创建自定义资源（Custom
工作负载异常：存储卷无法挂载或挂载超时 排查思路 EVS存储卷挂载异常 SFS Turbo存储卷挂载异常 SFS存储卷挂载异常 存储卷挂载超时 EVS存储卷挂载异常 问题现象 问题根因 解决方案 在有状态工作负载上挂载EVS存储卷，但无法挂载卷并超时。 节点在可用区1，而要挂载的磁盘在可用区2，导致无法挂载而超时。
资源和成本规划 本文提供的成本预估费用仅供参考，资源的实际费用与用户所在区域相关，请以华为云管理控制台显示为准。 完成本实践所需的资源如下： 表1 资源和成本规划 资源 资源说明 数量 费用（元） 云容器引擎CCE 建议选择按需计费。 集群类型：CCE集群 集群版本：v1.25 集群规模：50节点
资源与成本规划 本文提供的成本预估费用仅供参考，资源的实际费用与用户所在区域相关，请以华为云管理控制台显示为准。 完成本实践所需的资源如下： 表1 资源和成本规划 资源 资源说明 数量 费用（元） 弹性云服务器ECS 建议选择按需计费。 虚拟机类型：通用计算增强型 节点规格：4核
NPD插件版本过低导致进程资源残留问题 问题描述 在节点负载压力比较大的场景下，可能存在NPD进程资源残留的问题。 问题现象 登录到CCE集群的ECS节点，查询存在大量npd进程。 解决方案 升级CCE节点故障检测（简称NPD）插件至最新版本。 登录CCE控制台，进入集群，在左侧
监控GPU资源指标 通过Prometheus和Grafana，可以实现对GPU资源指标的观测。本文以实际示例介绍如何通过Prometheus查看集群的GPU显存的使用。 本文将通过一个示例应用演示如何监控GPU资源指标，具体步骤如下： 访问Prometheus （可选）为Prom
K8s组件内存资源限制检查异常处理 检查项内容 检查K8s组件例如etcd、kube-controller-manager等组件是否资源超出限制。 解决方案 方案一：适当减少K8s资源。 方案二：扩大集群规格，详情请参见变更集群规格。 父主题： 升级前检查异常问题排查
健康检查探针（Liveness、Readiness）偶现检查失败? 健康检查探针偶现检测失败，是由于容器内的业务故障所导致，您需要优先定位自身业务问题。 常见情况有： 业务处理时间长，导致返回超时。 tomcat建链和等待耗费时间太长（连接数、线程数等），导致返回超时。 容器所在
Kubernetes原生GPU资源配额，配置时limit和request配置相同 GPU虚拟化资源：显存 参数名 取值范围 默认值 是否允许修改 作用范围 volcano.sh/gpu-mem.128Mi 1-16384间整数 无 允许 - 虚拟化GPU显存资源，若配置limit和request相同，可独立配置
删除残留的模板实例无法从根本上解决该问题。为避免该问题再次发生，建议您及时更新模板中资源的apiVersion版本，保证资源apiVersion与Kubernetes版本匹配。 安装模板时，模板中的一些资源可能已经创建成功，因此首先要手动删除这些资源。确保残留的资源删除后，需删除模板实例。
可用区，增加新的可用区后建议扩容插件实例以实现跨可用区高可用部署；均分模式限制不同可用区间插件实例数相差不超过1，单个可用区资源不足会导致后续其他实例无法调度。 tolerations 否 Array of 表5 污点容忍配置。 表4 resources字段数据结构说明 参数 是否必选
K8s废弃资源检查异常处理 检查项内容 检查集群是否存在对应版本已经废弃的资源。 解决方案 问题场景一： 1.25及以上集群中的service存在废弃的annotation：tolerate-unready-endpoints 报错日志信息如下： some check failed
创建AddonInstance 删除AddonInstance 常见问题 了解更多常见问题、案例和解决方案 热门案例 节点状态为“不可用”怎么办？ 如何上传镜像？ 如何制作Docker镜像？ 工作负载异常：实例调度失败 K8S如何删除Terminating状态的命名空间？ 如何规划集群中虚拟私有云VPC和子网网段？
资源利用率优化调度 装箱调度（Binpack） 重调度（Descheduler） 节点池亲和性调度 负载感知调度 资源利用率优化调度配置案例 父主题： Volcano调度
检查节点操作系统内核版本是否为CCE支持的版本。 解决方案 问题场景一：节点镜像非CCE标准镜像 CCE节点运行依赖创建时的初始标准内核版本，CCE基于该内核版本做了全面的兼容性测试，非标准的内核版本可能在节点升级中因兼容性问题导致节点升级失败，详情请参见高危操作及解决方案。 当前CCE不建议该类节点
请在迁移前提前清理原集群中异常的Pod资源。当Pod状态异常但是又挂载了PVC的资源时，在集群迁移后，PVC状态会处于pending状态。 请确保CCE侧集群中没有与被迁移集群侧相同的资源，因为Velero工具在检测到相同资源时，默认不进行恢复。 为确保集群迁移后容器镜像资源可以正常拉取，请将镜像资源迁移至容器镜像服务（SWR）。
节点池亲和性调度 如何减少节点资源碎片，提高集群资源利用率 集群中存在大作业（request资源量较大）和小作业（request资源量较少）混合提交并运行，希望小作业可以优先填满集群各节点的资源碎片，将空闲的节点资源优先预留给大作业运行，避免大作业由于节点资源不足长时间无法调度。 开启装箱策
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
