每日禪語

自省，就是自我反省、自我檢查，自知己短，從而彌補短處、糾正過失。佛陀強調自覺覺他，強調以達到覺行圓滿為修行的最高境界。要改正錯誤，除了虛心接受他人意見之外，還要不忘時時觀照己身。自省自悟之道，可以使人在不斷的自我反省中達到水一樣的境界，在至柔之中發揮至剛至凈的威力，具有廣闊的胸襟和氣度。“知人者智，自知者明。?”觀水自照，可知自身得失。人生在世，若能時刻自省，還有什么痛苦、煩惱是不能排遣、擺脫的呢？佛說：?“大海不容死尸。?”水性是至潔的，表面藏垢納污，實質水凈沙明，至凈至剛，不為外物所染。

1.Nvidia gpu驅動安裝

1.1確認當前英偉達顯卡的型號

1.2獲取對應的gpu型號

打開網站查詢：https://admin.pci-ids.ucw.cz/read/PC/10de 拖到底部的查詢框輸出2216,點擊查詢即可,輸出顯示類似的如下信息即可得知gpu型號

1.3下載nvidia驅動

1.4nvidia gpu驅動安裝

#將下載的gpu驅動文件上傳到服務器安裝即可
yum install gcc make -y
#直接安裝即可,視情況加參數
chmod a+x NVIDIA-Linux-x86_64-550.90.07.run
./NVIDIA-Linux-x86_64-550.90.07.run

2.安裝NVIDIA Container Toolkit

目的：配置 NVIDIA Container Toolkit 倉庫并安裝相關包的操作是為了在 CentOS 系統上設置 NVIDIA Container Toolkit。這些步驟允許 Docker 容器訪問 GPU 資源。

2.1步驟一：配置生產倉庫

curl -s -L https://nvidia.github.io/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo | \?sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo

操作內容解析

• curl -s -L https://nvidia.github.io/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo：使用 curl 下載 NVIDIA Container Toolkit 的 yum repository 配置文件。
• sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo：將下載的倉庫配置文件寫入 /etc/yum.repos.d/nvidia-container-toolkit.repo，使系統可以從該倉庫安裝相關軟件包。

?2.2安裝 NVIDIA Container Toolkit

sudo yum install -y nvidia-container-toolkit

操作內容解析

• sudo yum install -y nvidia-container-toolkit：使用 yum 命令安裝 nvidia-container-toolkit 軟件包。安裝之后，系統會獲得一組工具，這些工具允許 Docker 容器能夠訪問 GPU。

2.3配置 containerd（適用于 Kubernetes）

sudo nvidia-ctk runtime configure --runtime=containerd --config=/etc/containerd/config.toml
sudo systemctl restart containerd

3.k8s安裝nvidia-device-plugin插件

#查看節點資源情況
#這說明k8s節點沒有識別到gpu資源,即使當前節點有gpu資源
kubectl  describe  nodes  gpu 
Capacity:cpu:                40ephemeral-storage:  51175Mihugepages-1Gi:      0hugepages-2Mi:      0memory:             16417696Kipods:               110#k8s中要識別gpu資源，需要安裝nvidia-device-plugin插件,注冊分配gpu主要由device-plugin插件完成
#官網:https://github.com/NVIDIA/k8s-device-plugin
wget https://raw.githubusercontent.com/NVIDIA/k8s-device-plugin/v0.14.1/nvidia-device-plugin.yml
#vim nvidia-device-plugin.yml #該文件存在hostpath的卷,確認kubelet的安裝路徑正確
kubectl apply -f nvidia-device-plugin.yml
kubectl  get pod -n kube-system  | grep nvidia-device-plugin
#再次查看k8s的gpu節點資源情況就可以顯示gpu資源了
kubectl  describe  nodes gpu
...........
Capacity:cpu:                40ephemeral-storage:  51175Mihugepages-1Gi:      0hugepages-2Mi:      0memory:             16417696Kinvidia.com/gpu:     2				#2個gpu顯卡pods:               110