加速卡管理

功能概述

项目	内容
适用角色	运营管理员
导航路径	AI基础设施 > On-Prem > 资源池 > 加速卡管理
页面路由	/powerone/resourcepool/accelerators
管理对象	AI 加速卡厂商、架构、系列、型号、显存、算力信息、规格指标和纳管状态

新手理解

• 加速卡型号 像硬件身份证，告诉平台这是 A100、H100、Ascend 910B 还是其他型号。
• 规格指标 像调度标签，决定 Kubernetes 中使用哪个资源 key 申请对应加速卡。
• selector-key 用于辅助识别设备类型或节点标签，错误配置会影响调度和监控匹配。
• 已纳管 表示平台已经可以把该型号纳入资源规格和作业调度口径。
• 未适配 的型号可以先作为硬件信息维护，但不能直接作为稳定调度能力对外开放。

术语表

术语	说明
加速卡厂商	加速卡的生产厂商，例如 NVIDIA、华为、AMD 或 Intel。
型号	具体的加速卡型号，例如 A100、H100 或昇腾 910B。
架构	同一厂商下的硬件架构或代际，例如 Ampere 或 Hopper。

推荐操作顺序

1. 确认集群中实际存在的加速卡厂商、型号、显存和 Kubernetes 资源 key。
2. 在 资源池管理 > 规格指标 中准备对应 AI 加速卡指标。
3. 进入 资源池管理 > 加速卡管理 新建或维护加速卡型号。
4. 把加速卡型号关联到正确的规格指标。
5. 在资源规格中引用该指标，并通过测试作业验证调度、监控和模板推荐结果。

小白先看

先确认当前任务是否涉及AI 加速卡厂商、架构、系列、型号、显存、算力信息、规格指标和纳管状态，再按照推荐顺序操作。页面字段或状态与预期不符时，先回到前置对象页核对依赖，不要跳过结果校验直接进入下游流程。

前提条件

1. 当前账号具备运营管理员权限，并能进入 AI Infra > On-Prem > 资源池管理 > 加速卡管理。
2. 已确认目标加速卡厂商、型号、架构、系列、显存容量和算力信息。
3. 已确认 Kubernetes 资源 key、selector-key 或监控识别字段与集群实际上报信息一致。
4. 如需纳管到作业调度，已在 资源池管理 > 规格指标 中准备对应指标。

页面说明

页面用于查看和处理AI 加速卡厂商、架构、系列、型号、显存、算力信息、规格指标和纳管状态。

页面按厂商和架构组织加速卡型号，顶部展示纳管状态统计，左侧可按厂商筛选，卡片中展示型号、显存、算力和适配状态。

下图展示加速卡管理列表，可按厂商和纳管状态查看硬件型号。

厂商与状态筛选

区域	说明
状态统计	展示已纳管、已适配未纳管、未适配数量。
厂商筛选	按 NVIDIA、AMD、Intel、Huawei 等厂商缩小范围。
型号卡片	展示系列、型号、显存、计算能力和不同精度下的峰值算力。
操作入口	进入新建、编辑、查看或其他页面真实操作入口。

主要操作

查看加速卡

1. 进入 资源池 > 加速卡管理。
2. 按厂商、型号、架构、状态或更新时间筛选。
3. 打开详情，核对显存、算力、驱动要求、支持框架和启用状态。
4. 无结果时重置筛选；型号不匹配时检查命名和驱动兼容性。

新增加速卡

适用场景

新增硬件型号接入平台前，需要先维护加速卡基础信息；已有加速卡型号需要补充适配状态或规格指标时，也可通过该入口维护。

操作步骤

1. 进入 AI基础设施 > On-Prem > 资源池 > 加速卡管理。
2. 点击 "新建加速卡" 或页面真实新增入口。
3. 按页面字段填写厂商、架构、系列、型号、单卡显存 GiB、计算能力、精度模式和峰值算力（TFLOPS）。
4. 根据页面要求选择或关联规格指标，核对 Kubernetes 资源 key、selector-key 或监控识别字段。
5. 点击最终 "保存"、"提交" 或 "确定" 前，再次核对硬件型号、资源指标和集群实际上报信息是否一致。

下图展示新建加速卡信息弹窗，重点填写硬件基础信息和规格指标关联。

导入或导出加速卡

适用场景

当需要批量维护加速卡基础数据，或将当前加速卡清单用于受控环境间迁移和核对时，使用 "导入/导出" 菜单。

操作步骤

1. 进入 AI基础设施 > On-Prem > 资源池 > 加速卡管理。
2. 点击 "导入/导出"，按业务目的选择 "导入" 或 "导出"。
3. 导入时按页面要求上传受控数据文件，并核对厂商、架构、型号、显存和规格指标字段。
4. 导出时先确认当前筛选范围，再按页面提示生成并下载加速卡清单。
5. 导入前确认不会覆盖错误型号，导出后将文件保存到受控目录。

结果校验

• 导入成功后，加速卡列表显示新增或更新的型号及其适配状态。
• 导出成功后，下载文件的记录范围与页面筛选范围一致。
• 导入后的型号可以在资源规格或集群规格关联页面中被正确识别。

注意事项

• 导入文件中的型号、资源 key、selector-key 和显存口径必须与实际硬件上报信息一致。
• 导入可能覆盖同标识对象的字段，执行前先备份并核对文件范围；导出文件也可能包含资源配置，不要外发。

操作截图

上图展示操作入口打开后的字段和确认区域；提交前应核对必填项、所属范围和影响。

参数速查表

字段名称	是否必填	字段类型	示例	说明
厂商	必填	下拉 / 枚举	NVIDIA	加速卡厂商。 与真实硬件厂商保持一致。
架构	必填	下拉 / 枚举	Ampere	加速卡架构。 按页面下拉或真实硬件架构选择。
系列	必填	下拉 / 枚举	A100	加速卡所属系列。 与型号、厂商保持一致。
型号	必填	下拉 / 枚举	A100-SXM4-80GB	加速卡型号。 与集群节点实际上报设备型号保持一致。
单卡显存 GiB	必填	数值 / 容量	80	单卡显存容量。 按页面单位填写，避免 GiB/GB 混用。
计算能力	可选	文本	8.0	CUDA 或硬件能力版本。 没有明确值时不要臆造。
精度模式	条件必填	数值 / 容量	FP16	算力配置对应的精度模式。 与页面支持项和硬件能力一致。
峰值算力（TFLOPS）	条件必填	数值 / 容量	312	对应精度模式下的峰值算力。 只填写已确认的公开或硬件上报数据。
加速卡规格指标	条件必填	文本	gpu-a100-80g	绑定已有规格指标或新建加速卡规格指标。 核对 k8s-key、selector-key 与节点实际上报标签。
适配状态	必填	状态	已适配	是否已适配平台资源识别和调度。 未适配时不要对用户侧开放。

踩坑提示

• 新增加速卡会影响资源规格、调度识别、监控展示和推理模板推荐。
• 型号、显存容量、资源 key 或 selector-key 配置错误，可能导致规格不可选、调度失败或监控无法匹配设备。
• 不要把显示名称相近但 Kubernetes 资源 key 不同的卡混成同一个型号。
• 显存容量会影响推理模板和显存测算结果，提交前应与硬件信息核对。

配置规则与影响

• 资源 key 一致性：加速卡指标中的 Kubernetes 资源 key 必须与集群实际上报的资源 key 一致。
• selector-key 一致性：selector-key 应与节点标签、规格指标或监控识别字段保持一致。
• 命名稳定性：厂商、系列和型号应与硬件采购、驱动识别和监控采集口径一致。
• 纳管前验证：纳管前先用测试作业验证资源申请、调度和监控展示。
• 模板影响：显存容量、算力信息和适配状态会影响推理模板推荐和资源规格选择。

结果校验

检查项	成功表现	异常时处理
页面入口	可进入加速卡管理并看到目标操作入口	检查运营管理员权限和对应菜单是否已开放
对象记录	AI 加速卡厂商、架构、系列、型号、显存、算力信息、规格指标和纳管状态在列表或详情中可见	重置筛选并核对名称、所属范围和创建结果
状态结果	新增或变更后的状态符合页面提示	查看操作提示、依赖对象状态和最近更新时间
下游使用	后续页面能够选择或关联目标对象	回到前置配置核对启用状态、归属关系和可见范围

常见问题

导入后加速卡没有出现在列表

问题现象：

导入提示完成，但目标加速卡在列表中不可见或状态没有更新。

可能原因：

• 当前筛选条件隐藏了目标记录。
• 文件中的唯一标识、必填列或枚举值不符合页面要求。
• 导入记录与已有型号冲突，或后台校验尚未完成。

处理方式：

1. 重置筛选并按型号或厂商重新搜索。
2. 对照页面要求核对文件列名、唯一标识和指标值。
3. 查看页面提示和更新时间，确认校验完成后再处理冲突记录。

加速卡管理的操作入口不可用

问题现象：

新增、注册或维护入口不可见或不可点击。

可能原因：

• 当前角色权限不足。
• 页面处于只读状态。
• 依赖对象不满足条件。

处理方式：

1. 检查运营管理员权限
2. 核对页面提示
3. 先完成依赖对象配置。

加速卡管理的必填项没有可选值

问题现象：

表单能打开，但下拉框为空。

可能原因：

• 候选对象未启用。
• 所属范围不一致。
• 当前账号不可见。

处理方式：

1. 到候选对象页面核对状态
2. 确认归属关系
3. 检查可见范围后刷新表单。

加速卡管理操作后状态异常

问题现象：

提交后记录存在，但状态不是预期值。

可能原因：

• 连通性或校验失败。
• 关联对象异常。
• 后台处理尚未完成。

处理方式：

1. 查看页面提示和更新时间
2. 检查关联对象
3. 按状态阶段排查处理任务。

下游页面无法使用加速卡管理

问题现象：

当前页状态正常，但下游页面无法选择或关联AI 加速卡厂商、架构、系列、型号、显存、算力信息、规格指标和纳管状态。

可能原因：

• 可见范围不匹配。
• 对象未启用。
• 下游缓存未刷新。

处理方式：

1. 核对启用状态和归属
2. 检查角色可见范围
3. 刷新下游页面并重新选择。

注意事项

• 加速卡型号、厂商、架构、显存容量和算力信息应与硬件清单、驱动识别和监控采集保持一致。
• 型号纳管前要确认设备插件能上报资源，规格指标能识别资源 key，监控能采集利用率和显存。
• 不同驱动或固件版本可能影响资源识别和稳定性，生产接入前先提交测试作业验证。
• 不写真实内部资源 key 映射、节点标签、集群 ID、资源池 ID、内网地址、账号、密钥、Token、AK/SK 或内部测试参数。

后续操作

1. 进入 资源池管理 > 规格指标 维护或确认对应指标。
2. 进入 资源池管理 > 资源规格 创建包含该加速卡的规格。
3. 在推理模板或测试作业中验证该型号能被正确选择。
4. 回到加速卡管理列表，确认状态统计、厂商筛选和型号卡片信息符合预期。