Dynamia ppu-vgpu-device-plugin Chart 0.0.2
发布时间：2026-09-16
| 版本 | 上一版 | 本版 |
|---|---|---|
| Chart | 0.0.1 | 0.0.2 |
| appVersion | 1.0.2 | 1.0.4 |
本版默认应用从 1.0.2 升级至 1.0.4，包含中间应用版本 1.0.3 的变化。插件与监控均使用 ghcr.io/dynamia-ai/ppu-device-plugin:v1.0.4。随镜像交付的 PPU-HAMi-core 新增运行时授权校验，升级时须同步准备节点授权、更新插件与监控，并重建已有业务 Pod 以取得新的按容器授权文件和挂载。
HAMi Enterprise 兼容性
旧版 PPU 业务能够运行，不等于可以只升级插件。 本版在分配设备时要求节点具有有效的 PPU 授权。现有 Enterprise 已满足下表条件、能识别原始授权并发布有效 hami.io/alibaba-license 时，无需同步升级 Enterprise；否则应先升级配套调度器并完成授权下发，再升级插件。仅在宿主机保留旧授权文件不能满足新的分配流程。
| 功能或使用场景 | 最低可用 HAMi Enterprise 版本 | 本版配套要求与升级结论 |
|---|---|---|
| PPU 基础调度、显存与算力切分，以及本版新增的授权下发和续期；使用旧格式 UUID 授权或型号授权 | v2.9.0-rc2 | 调度器须校验原始授权并发布节点 PPU 授权。使用 v2.9.0-rc0、v2.9.0-rc1 等尚未提供该下发接口的配套时，应先升级；已满足接口和授权条件的部署可沿用现有 Enterprise。 |
使用 deviceInstances 格式的实例授权 | v2.10.0-r0 | 原始授权采用此格式时，需由能够解析该格式的调度器处理。插件消费调度器转换后的节点授权，不要求所有部署都换用此授权格式。 |
设备路径和启动参数修复本身不增加 Enterprise 配套要求。以上版本下限基于发布制品和接口实现核对，不代表已完成各配套版本的 PPU 实机验证。
版本变化
Chart 变化
修复 --device-split-count 和 --device-memory-scaling 中数值被额外双引号包裹的问题。例如，上一版渲染后的参数内容是 --device-split-count="2"，本版为 --device-split-count=2，避免数值参数解析失败。默认切分数仍为 2，显存与算力缩放仍为 1.0；本次没有调整资源名称、监控端口或部署节点选择。
应用变化
- 按容器生成运行时授权。 插件在每次分配时读取当前节点的
hami.io/alibaba-license，核验本次分配的物理 PPU UUID 和有效期，再生成该容器的授权文件。所分配设备缺少有效授权，或目录和文件准备失败时，分配返回错误。文件还会包含插件物理设备池内其他已授权卡的记录，以覆盖驱动可能枚举的设备。 - 监控组件负责续期文件。 监控刷新时读取节点上的最新授权，对已有容器授权文件中的相同 UUID 延长有效期并更新提醒信息；采用原地写入，保留挂载文件的 inode。续期不添加或删除 UUID，也不会为缺少授权文件的旧容器补建文件。节点注解缺失或无效时，保留已有文件。
- 运行库开始校验设备授权。 本版内置 PPU-HAMi-core 在初始化设备信息时按完整 UUID 和有效期校验授权，未授权、过期或无法读取授权文件时终止初始化。它会检查 HGML 实际可见的设备；若驱动仍暴露未授权卡，即使该卡不是本次业务申请的设备，也可能导致初始化失败。
- 修复多容器分配和失败重试。 按 Pod 中的容器位置对应分配请求，保留不申请 PPU 的容器位置；完成授权文件和挂载准备后才消费待分配注解，避免准备失败时提前丢失请求。
- 修复物理设备路径映射。 按 HGML 返回的一基 minor number 映射到零基设备文件
/dev/alixpu_ppu{minor-1}，替代对设备索引取模的旧映射，避免编号较高的设备错误映射到前八个设备路径。公共设备/dev/alixpu、/dev/alixpu_ctl仍需存在，重复路径会去重。此修复不等同于已验证任意卡数或驱动组合。
升级说明
先确认调度器和授权
将原始授权按原内容放入 Enterprise 调度器所在命名空间的 Secret：数据键为 license，标签为 hami.io/license=true。授权绑定的集群 ESN 应与 kube-system 命名空间 UID 一致。已有同类 Secret 的部署更新原对象即可，不要把原始授权内容直接复制到宿主机运行时授权路径。
升级插件前，检查目标 PPU 节点已由调度器发布有效的 hami.io/alibaba-license，其中 UUID 与现场设备一致、有效期覆盖业务运行时间。原始授权 Secret、节点授权注解和容器中的运行时文件是三个不同阶段的产物，应由调度器和插件完成转换。
更新插件、监控和已有业务
- 将插件和监控一起升级至应用
1.0.4。Chart 的image.tag为空时会采用默认版本；若固定为v1.0.2、v1.0.3或自定义镜像，应同步更新image.repository、image.tag，并确认镜像包含配套运行库。仅更新 Chart 元数据不会覆盖显式指定的旧镜像。 - 保持
monitor.enabled: true，才能由监控组件自动更新已有容器的授权文件。关闭监控时，新容器仍由插件在分配阶段读取当前授权，但已有文件不会通过监控流程续期。 - 按维护安排重建已有 PPU 业务 Pod，使新容器重新执行设备分配，取得按容器生成的授权文件、新挂载和本版运行库。仅重启插件、监控或旧容器中的业务进程，不能补齐旧 Pod 缺少的授权挂载。重建前保存业务状态。
- 默认路径关系如下。若现场改过挂载路径，须同时核对插件、监控和业务容器的映射，不能仅修改一个组件的
HOOK_PATH。
| 位置或组件 | 默认路径及用途 |
|---|---|
| 宿主机上的容器授权 | /usr/local/vgpu/containers/<Pod UID>_<容器名>/license；目录以 Pod UID 和容器名标识 |
| 业务容器的主要授权路径 | /usr/local/vgpu/license；来自上述容器目录挂载 |
| 业务容器的备用授权路径 | /tmp/license；同一授权文件的只读挂载 |
| 监控扫描目录 | /usr/local/vgpu/containers；监控的 HOOK_PATH 为 /usr/local/vgpu |
| 插件路径前缀 | HOOK_PATH=/usr/local；插件在其下使用 vgpu/containers |
本版不要求全量删除宿主机 /usr/local/vgpu 或 /tmp/vgpulock。如需清理旧容器状态，应先停止对应 Pod 和使用这些文件的进程，确认目录所属 Pod UID 与容器名，再按现场维护流程处理；不要清理仍被业务使用的共享目录。
续期与验收
续期时更新原始授权 Secret，确认调度器更新节点授权，再确认监控已更新容器文件。运行库会在进程内缓存解析后的授权：文件更新后，新进程会读取续期内容，已有进程需要重启才能采用新授权。UUID 范围变化应通过重新分配处理，不能依赖仅延长有效期的续期流程。
插件以 UTC 写入授权时间；本版运行库按业务进程本地时区解释时间。业务容器应使用 UTC，例如设置 TZ=UTC，以避免有效期解释偏差。
升级后检查插件与监控滚动更新、节点注册容量、新建业务的设备分配、容器授权文件、实际可见 PPU UUID，以及显存和算力限制。重点排查 hami.io/alibaba-license 缺失、授权过期、设备路径不匹配和驱动暴露未授权设备等错误。源码及 Chart 渲染核对不能替代现场业务验证。
查看Chart 与 appVersion 对应关系或软件中心。
Values 说明
以下参数说明取自 Chart 0.0.2 发布包随附的 README，保留原文。默认配置以该版本的 values.yaml 为准。
展开参数表
| Key | Type | Default | Description |
|---|---|---|---|
| commonAnnotations | object | {} | |
| commonLabels | object | {} | |
| config.create | bool | true | |
| config.data.alibaba.defaultCores | int | 0 | |
| config.data.alibaba.defaultGPUNum | int | 1 | |
| config.data.alibaba.defaultMemory | int | 0 | |
| config.data.alibaba.deviceCoreScaling | float | 1 | |
| config.data.alibaba.deviceMemoryScaling | float | 1 | |
| config.data.alibaba.deviceSplitCount | int | 2 | |
| config.data.alibaba.gpuCorePolicy | string | "default" | |
| config.data.alibaba.memoryFactor | int | 1 | |
| config.data.alibaba.overwriteEnv | bool | false | |
| config.data.alibaba.resourceCoreName | string | "alibaba.com/gpu-core" | |
| config.data.alibaba.resourceCountName | string | "alibaba.com/ppu" | |
| config.data.alibaba.resourceMemoryName | string | "alibaba.com/ppu-memory" | |
| config.data.alibaba.resourceMemoryPercentageName | string | "alibaba.com/ppu-memory-percentage" | |
| config.data.alibaba.runtimeClassName | string | "" | |
| config.existingConfigMapName | string | "" | |
| fullnameOverride | string | "" | |
| image.pullPolicy | string | "IfNotPresent" | |
| image.pullSecrets | list | [] | |
| image.repository | string | "ghcr.io/dynamia-ai/ppu-device-plugin" | |
| image.tag | string | "" | |
| monitor.enabled | bool | true | |
| monitor.resources | object | {} | |
| monitor.service.enabled | bool | true | |
| monitor.service.nodePort | int | 31992 | |
| monitor.service.port | int | 31992 | |
| monitor.service.type | string | "NodePort" | |
| nameOverride | string | "" | |
| namespaceOverride | string | "hami-system" | |
| nodeSelector.alibabappu | string | "on" | |
| plugin.enabled | bool | true | |
| plugin.resources.limits.cpu | string | "500m" | |
| plugin.resources.limits.memory | string | "512Mi" | |
| plugin.resources.requests.cpu | string | "100m" | |
| plugin.resources.requests.memory | string | "128Mi" | |
| priorityClassName | string | "system-node-critical" | |
| tolerations[0].key | string | "CriticalAddonsOnly" | |
| tolerations[0].operator | string | "Exists" | |
| tolerations[1].effect | string | "NoSchedule" | |
| tolerations[1].operator | string | "Exists" |