阿里云助力您在中国加快取得成功
一站式安全合规咨询服务
MLPS 2.0 一站式合规解决方案
依托我们的网络进军中国市场
提升面向互联网应用的性能和安全性
保障您的中国业务安全无忧
通过强大的数据安全框架保护您的数据资产
申请 ICP 备案的流程解读和咨询服务
面向大数据建设、管理及应用的全域解决方案
企业内大数据建设、管理和应用的一站式解决方案
将您的采购和销售置于同一企业级全渠道数字平台上
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人
快速搭建在线教育平台
提供域名注册、分析和保护服务
云原生 Kubernetes 容器化应用运行环境
以 Kubernetes 为使用界面的容器服务产品,提供符合容器规范的算力资源
安全的镜像托管服务,支持全生命周期管理
多集群环境下微服务应用流量统一管理
提供任意基础设施上容器集群的统一管控,助您轻松管控分布式云场景
高弹性、高可靠的企业级无服务器 Kubernetes 容器产品
敏捷安全的 Serverless 容器运行服务
为虚拟机和容器提供高可靠性、高性能、低时延的块存储服务
一款海量、安全、低成本、高可靠的云存储服务
可靠、弹性、高性能、多共享的文件存储服务
全托管、可扩展的并行文件系统服务。
全托管的 NoSQL 结构化数据实时存储服务
可抵扣多种存储产品的容量包,兼具灵活性和长期成本优化
让您的应用跨不同可用区资源自动分配访问量
随时绑定和解绑 VPC ECS
云网络公网、跨域流量统一计费
高性价比,可抵扣按流量计费的流量费用
创建云上隔离的网络,在专有环境中运行资源
在 VPC 环境下构建公网流量的出入口
具备网络状态可视化、故障智能诊断能力的自助式网络运维服务。
安全便捷的云上服务专属连接
基于阿里云专有网络的私有 DNS 解析服务
保障在线业务不受大流量 DDoS 攻击影响
系统运维和安全审计管控平台
业务上云的第一个网络安全基础设施
集零信任内网访问、办公数据保护、终端管理等多功能于一体的办公安全管控平台
提供7X24小时安全运维平台
防御常见 Web 攻击,缓解 HTTP 泛洪攻击
实现全站 HTTPS,呈现可信的 WEB 访问
为云上应用提供符合行业标准和密码算法等级的数据加解密、签名验签和数据认证能力
一款发现、分类和保护敏感数据的安全服务
创建、控制和管理您的加密密钥
快速提高应用高可用能力服务
围绕应用和微服务的 PaaS 平台
兼容主流开源微服务生态的一站式平台
多集群环境下微服务应用流量统一管理
Super MySQL 和 PostgreSQL,高度兼容 Oracle 语法
全托管 MySQL、PostgreSQL、SQL Server、MariaDB
兼容 Redis® 的缓存和KV数据库
兼容Apache Cassandra、Apache HBase、Elasticsearch、OpenTSDB 等多种开源接口
文档型数据库,支持副本集和分片架构
100%兼容 Apache HBase 并深度扩展,稳定、易用、低成本的NoSQL数据库。
低成本、高可用、可弹性伸缩的在线时序数据库服务
专为搜索和分析而设计,成本效益达到开源的两倍,采用最新的企业级AI搜索和AI助手功能。
一款兼容PostgreSQL协议的实时交互式分析产品
一种快速、完全托管的 TB/PB 级数据仓库
基于 Flink 为大数据行业提供解决方案
基于Qwen和其他热门模型的一站式生成式AI平台,可构建了解您业务的智能应用程
一站式机器学习平台,满足数据挖掘分析需求
高性能向量检索服务,提供低代码API和高成本效益
帮助您的应用快速构建高质量的个性化推荐服务能力
提供定制化的高品质机器翻译服务
全面的AI计算平台,满足大模型训练等高性能AI计算的算力和性能需求
具备智能会话能力的会话机器人
基于机器学习的智能图像搜索产品
基于阿里云深度学习技术,为用户提供图像分割、视频分割、文字识别等离线SDK能力,支持Android、iOS不同的适用终端。
语音识别、语音合成服务以及自学习平台
一站式智能搜索业务开发平台
助力金融企业快速搭建超低时延、高质量、稳定的行情数据服务
帮助企业快速测算和分析企业的碳排放和产品碳足迹
企业工作流程自动化,全面提高效率
金融级云原生分布式架构的一站式高可用应用研发、运维平台
eKYC 数字远程在线解决方案
可智能检测、大数据驱动的综合性反洗钱 (AML) 解决方案
阿里云APM类监控产品
实时云监控服务,确保应用及服务器平稳运行
为系统运维人员管理云基础架构提供全方位服务的云上自动化运维平台
面向您的云资源的风险检测服务
提升分布式环境下的诊断效率
日志类数据一站式服务,无需开发就能部署
ECS 预留实例
让弹性计算产品的成本和灵活性达到最佳平衡的付费方式。云原生 AI 套件
加速AI平台构建,提高资源效率和交付速度FinOps
实时分析您的云消耗并实现节约SecOps
实施细粒度安全控制DevOps
快速、安全地最大限度提高您的DevOps优势自带IP上云
自带公网 IP 地址上云全球网络互联
端到端的软件定义网络解决方案,可推动跨国企业的业务发展全球应用加速
提升面向互联网应用的性能和安全性全球互联网接入
将IDC网关迁移到云端云原生 AI 套件
加速AI平台构建,提高资源效率和交付速度FinOps
实时分析您的云消耗并实现节约SecOps
实施细粒度安全控制DevOps
快速、安全地最大限度提高您的DevOps优势金融科技云数据库解决方案
利用专为金融科技而设的云原生数据库解决方案游戏行业云数据库解决方案
提供多种成熟架构,解决所有数据问题Oracle 数据库迁移
将 Oracle 数据库顺利迁移到云原生数据库数据库迁移
加速迁移您的数据到阿里云阿里云上的数据湖
实时存储、管理和分析各种规模和类型的数据数码信贷
利用大数据和 AI 降低信贷和黑灰产风险面向企业数据技术的大数据咨询服务
帮助企业实现数据现代化并规划其数字化未来人工智能对话服务
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人EasyDispatch 现场服务管理
为现场服务调度提供实时AI决策支持在线教育
快速搭建在线教育平台窄带高清 (HD) 转码
带宽成本降低高达 30%广电级大型赛事直播
为全球观众实时直播大型赛事,视频播放流畅不卡顿直播电商
快速轻松地搭建一站式直播购物平台用于供应链规划的Alibaba Dchain
构建和管理敏捷、智能且经济高效的供应链云胸牌
针对赛事运营的创新型凭证数字服务数字门店中的云 POS 解决方案
将所有操作整合到一个云 POS 系统中元宇宙
元宇宙是下一代互联网人工智能 (AI) 加速
利用阿里云 GPU 技术,为 AI 驱动型业务以及 AI 模型训练和推理加速DevOps
快速、安全地最大限度提高您的DevOps优势数据迁移解决方案
加速迁移您的数据到阿里云企业 IT 治理
在阿里云上构建高效可控的云环境基于日志管理的AIOps
登录到带有智能化日志管理解决方案的 AIOps 环境备份与存档
数据备份、数据存档和灾难恢复用阿里云金融服务加快创新
在云端开展业务,提升客户满意度
为全球资本市场提供安全、准确和数字化的客户体验
利用专为金融科技而设的云原生数据库解决方案
利用大数据和 AI 降低信贷和黑灰产风险
建立快速、安全的全球外汇交易平台
新零售时代下,实现传统零售业转型
利用云服务处理流量波动问题,扩展业务运营、降低成本
快速轻松地搭建一站式直播购物平台
面向大数据建设、管理及应用的全域解决方案
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人
以数字化媒体旅程为当今的媒体市场准备就绪您的内容
带宽成本降低高达 30%
快速轻松地搭建一站式直播购物平台
为全球观众实时直播大型赛事,视频播放流畅不卡顿
使用阿里云弹性高性能计算 E-HPC 将本地渲染农场连接到云端
构建发现服务,帮助客户找到最合适的内容
保护您的媒体存档安全
通过统一的数据驱动平台提供一致的全生命周期客户服务
在钉钉上打造一个多功能的电信和数字生活平台
在线存储、共享和管理照片与文件
提供全渠道的无缝客户体验
面向中小型企业,为独立软件供应商提供可靠的IT服务
打造最快途径,助力您的新云业务扬帆起航
先进的SD-WAN平台,可实现WAN连接、实时优化并降低WAN成本
通过自动化和流程标准化实现快速事件响应
针对关键网络安全威胁提供集中可见性并进行智能安全分析
提供大容量、可靠且高度安全的企业文件传输
用智能技术数字化体育赛事
基于人工智能的低成本体育广播服务
专业的广播转码及信号分配管理服务
基于云的音视频内容引入、编辑和分发服务
在虚拟场馆中模拟关键运营任务
针对赛事运营的创新型凭证数字服务
智能和交互式赛事指南
轻松管理云端背包单元的绑定直播流
通过数据加强您的营销工作
元宇宙是下一代互联网
利用生成式 AI 加速创新,创造新的业务佳绩
阿里云高性能开源大模型
借助AI轻松解锁和提炼文档中的知识
通过AI驱动的语音转文本服务获取洞察
探索阿里云人工智能和数据智能的所有功能、新优惠和最新产品
该体验中心提供广泛的用例和产品帮助文档,助您开始使用阿里云 AI 产品和浏览您的业务数据。
利用阿里云 GPU 技术,为 AI 驱动型业务以及 AI 模型训练和推理加速
元宇宙是下一代互联网
构建发现服务,帮助客户找到最合适的内容
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人
加速迁移您的数据到阿里云
在阿里云上建立一个安全且易扩容的环境,助力高效率且高成本效益的上云旅程
迁移到完全托管的云数据库
将 Oracle 数据库顺利迁移到云原生数据库
自带公网 IP 地址上云
利用阿里云强大的安全工具集,保障业务安全、应用程序安全、数据安全、基础设施安全和帐户安全
保护、备份和还原您的云端数据资产
MLPS 2.0 一站式合规解决方案
快速高效地将您的业务扩展到中国,同时遵守适用的当地法规
实现对 CloudOps、DevOps、SecOps、AIOps 和 FinOps 的高效、安全和透明的管理
构建您的原生云环境并高效管理集群
快速、安全地最大限度提高您的DevOps优势
实施细粒度安全控制
提供运维效率和总体系统安全性
实时分析您的云消耗并实现节约
实时存储、管理和分析各种规模和类型的数据
登录到带有智能化日志管理解决方案的 AIOps 环境
帮助企业实现数据现代化并规划其数字化未来
帮助零售商快速规划数字化之旅
将全球知名的 CRM 平台引入中国
在线存储、共享和管理照片与文件
构建、部署和管理高可用、高可靠、高弹性的应用程序
快速、安全地最大限度提高您的DevOps优势
将您的采购和销售置于同一企业级全渠道数字平台上
企业内大数据建设、管理和应用的一站式解决方案
帮助企业简化 IT 架构、实现商业价值、加速数字化转型的步伐
快速高效地将您的业务扩展到中国,同时遵守适用的当地法规
快速搜集、处理、分析联网设备产生的数据
0.0.201
如果您使用的CUDA库需要匹配更高版本的NVIDIA驱动,您需要升级节点的驱动版本。基于节点池升级节点NVIDIA驱动后,您可以批量管理集群中不同节点的NVIDIA驱动。本文介绍使用现有节点时,如何通过节点池升级节点NVIDIA驱动。
升级NVIDIA驱动的方式本质上是将节点从原有节点池中移除,然后再将该节点添加至新创建的节点池中。除目标节点外,原有节点池中可能存在其它节点,故无法在原有节点池中完成目标节点的NVIDIA驱动升级。节点的NVIDIA驱动升级仅必须通过节点移除。
在添加的过程中,会经历重装系统、安装指定NVIDIA驱动等。请务必在执行升级操作前,确认该节点没有正在运行的任务以及重要数据。为降低风险,建议您先升级一个节点,确认整个升级过程无误后再批量升级。
针对自定义驱动版本,有如下注意事项。
对于GPU驱动版本与您业务应用的兼容性(GPU驱动版本与CUDA库版本的兼容性),您需要自行验证,ACK不保证两者之间的兼容性。
对于已经安装GPU驱动、NVIDIA container runtime等GPU组件的自定义操作系统镜像,ACK无法保证其提供的GPU驱动与ACK其他GPU组件兼容(例如监控组件等)。
如果您上传自行提供的GPU驱动到OSS中,使用自定义的GPU节点驱动方式,可能引发GPU驱动与操作系统版本、ECS实例类型、Container Runtime等不兼容,继而导致添加GPU节点失败。您需要自行验证,ACK无法保证节点添加的成功率。
集群版本 | 默认GPU驱动 | 是否支持自定义驱动 | 支持自定义驱动版本 |
集群版本 | 默认GPU驱动 | 是否支持自定义驱动 | 支持自定义驱动版本 |
1.14.8 | 418.181.07 | 是 |
|
1.16.6 | 418.87.01 | 否 | NA |
1.16.9 | 418.181.07 | 是 |
|
1.18.8 | 418.181.07 | 是 | |
1.20.4 | 450.102.04 | 是 | |
1.22.10 | 460.91.03 | 是 | |
1.24.3 | 460.91.03 | 是 |
如果使用节点池A管理集群中需要升级NVIDIA驱动版本至418.181.07的节点,当需要将任务调度到该驱动版本的节点上时,只需要将任务的selector指定为节点池A的标签。
如果需要将集群中一部分节点的NVIDIA驱动升级至418.181.07版本,另一部分的节点升级至450.102.0版本,您可以将一部分节点添加至节点池A,另一部分节点添加至节点池B。
选定NVIDIA驱动版本前,您需要确定所使用的CUDA库与哪些NVIDIA驱动版本兼容。您可以参照下表查看CUDA库与NVIDIA驱动的兼容关系,选择合适的NVIDIA驱动版本。更多信息,请参见cuda-toolkit-release-notes。
展开查看CUDA库与NVIDIA驱动的兼容关系
CUDA Toolkit版本 | Linux x86_64驱动版本 |
CUDA 11.7 Update 1 | ≥515.65.01 |
CUDA 11.7 GA | ≥515.43.04 |
CUDA 11.6 Update 2 | ≥510.47.03 |
CUDA 11.6 Update 1 | ≥510.47.03 |
CUDA 11.6 GA | ≥510.39.01 |
CUDA 11.5 Update 2 | ≥495.29.05 |
CUDA 11.5 Update 1 | ≥495.29.05 |
CUDA 11.5 GA | ≥495.29.05 |
CUDA 11.4 Update 4 | ≥470.82.01 |
CUDA 11.4 Update 3 | ≥470.82.01 |
CUDA 11.4 Update 2 | ≥470.57.02 |
CUDA 11.4 Update 1 | ≥470.57.02 |
CUDA 11.4.0 GA | ≥470.42.01 |
CUDA 11.3.1 Update 1 | ≥465.19.01 |
CUDA 11.3.0 GA | ≥465.19.01 |
CUDA 11.2.2 Update 2 | ≥460.32.03 |
CUDA 11.2.1 Update 1 | ≥460.32.03 |
CUDA 11.2.0 GA | ≥460.27.03 |
CUDA 11.1.1 Update 1 | ≥455.32 |
CUDA 11.1 GA | ≥455.23 |
CUDA 11.0.3 Update 1 | ≥ 450.51.06 |
CUDA 11.0.2 GA | ≥ 450.51.05 |
CUDA 11.0.1 RC | ≥ 450.36.06 |
CUDA 10.2.89 | ≥ 440.33 |
CUDA 10.1 (10.1.105 general release, and updates) | ≥ 418.39 |
CUDA 10.0.130 | ≥ 410.48 |
CUDA 9.2 (9.2.148 Update 1) | ≥ 396.37 |
CUDA 9.2 (9.2.88) | ≥ 396.26 |
CUDA 9.1 (9.1.85) | ≥ 390.46 |
CUDA 9.0 (9.0.76) | ≥ 384.81 |
CUDA 8.0 (8.0.61 GA2) | ≥ 375.26 |
CUDA 8.0 (8.0.44) | ≥ 367.48 |
CUDA 7.5 (7.5.16) | ≥ 352.31 |
CUDA 7.0 (7.0.28) | ≥ 346.46 |
登录容器服务管理控制台,在左侧导航栏选择集群。
在集群列表页面,单击目标集群名称,然后在左侧导航栏,选择节点管理 > 节点。
选中待升级驱动的节点,单击批量移除,然后在移除节点对话框,选中自动排空节点(drain),并单击确定。
此种方式安装驱动较为简单。为节点池的节点打上标签ack.aliyun.com/nvidia-driver-version=<驱动版本>
,然后将步骤二:移除节点中集群移除的节点添加到该节点池即可。
本小节以418.181.07驱动版本为例介绍整个操作流程。
登录容器服务管理控制台,在左侧导航栏选择集群。
在集群列表页面,单击目标集群名称,然后在左侧导航栏,选择节点管理 > 节点池。
单击右上角创建节点池,然后在创建节点池对话框中配置相关参数。
部分配置项说明如下。有关配置项的详细说明,请参见创建ACK专有集群。
配置项 | 描述 |
配置项 | 描述 |
虚拟交换机 | 按需填写虚拟交换机和实例规格参数的取值。此信息用于节点扩容,而升级驱动属于添加已有节点,无需使用此信息。 |
实例规格 | |
操作系统 | 节点重新加入集群后所使用的操作系统。 |
期望节点数 | 可填写实例数量为0。如果实例数量不为0,ACK将会创建新的实例。 |
单击显示高级选项。
在节点标签参数栏添加标签,单击图标,在键文本框输入
ack.aliyun.com/nvidia-driver-version
,在值文本框输入418.181.07
。
关于容器服务提供的可用NVIDIA驱动版本,请参见集群默认驱动版本说明。
实例规格为ecs.ebmgn7或ecs.ebmgn7e的ECS,仅支持460.32.03之后的NVIDIA驱动版本。
参数配置完成后,单击确认配置。
步骤1:自定义驱动版本
以下以上传NVIDIA-Linux-x86_64-460.32.03.run驱动文件为例,介绍如何自定义驱动版本。您可以在NVIDIA官方网站下载驱动文件。
请将NVIDIA-Linux-x86_64-460.32.03.run放在OSS Bucket的根目录下。
将NVIDIA-Linux-x86_64-460.32.03.run驱动文件上传至OSS。具体操作,请参见上传文件。
文件上传成功后,在对象存储管理页左侧导航栏,单击文件管理,然后在文件管理页面,单击已上传驱动文件右侧操作列的详情。
在详情面板,关闭使用HTTPS开关,取消使用HTTPS的配置。
ACK创建集群时会通过URL拉取驱动文件,URL中使用协议为HTTP协议。OSS默认使用HTTPS协议。您需要单击使用HTTPS按钮,取消使用HTTPS的配置。
确认驱动文件配置信息,并记录该文件的URL。
将URL拆成两部分,即endpoint和runfile。
以http://nvidia-XXX-XXX-cn-beijing.aliyuncs.com/NVIDIA-Linux-x86_64-460.32.03.run
为例,将其拆分为以下两部分。
endpoint:nvidia-XXX-XXX-cn-beijing.aliyuncs.com
runfile:NVIDIA-Linux-x86_64-460.32.03.run
步骤2:自定义驱动版本后,创建节点池
登录容器服务管理控制台,在左侧导航栏选择集群。
在集群列表页面,单击目标集群名称,然后在左侧导航栏,选择节点管理 > 节点池。
单击右上角创建节点池,在创建节点池对话框中配置相关参数。
部分配置项说明如下。有关配置项的详细说明,请参见创建ACK专有集群。
配置项 | 描述 |
配置项 | 描述 |
虚拟交换机 | 按需填写虚拟交换机和实例规格参数的取值。此信息用于节点扩容,而升级驱动属于添加已有节点,无需使用此信息。 |
实例规格 | |
操作系统 | 节点重新加入集群后所使用的操作系统。 |
期望节点数 | 可填写实例数量为0。如果实例数量不为0,ACK将会创建新的实例。 |
单击显示高级选项。
在节点标签参数栏添加标签,单击图标。
输入第一个标签的键为ack.aliyun.com/nvidia-driver-oss-endpoint
,值为nvidia-XXX-XXX-cn-beijing.aliyuncs.com
。
输入第二个标签的键为ack.aliyun.com/nvidia-driver-runfile
,值为NVIDIA-Linux-x86_64-460.32.03.run
。
根据集群版本,输入第三个标签的键和值。
若集群版本为v1.18.8-aliyun.1,输入键为ack.aliyun.com/nvidia-fabricmanager-rpm
,值为nvidia-fabric-manager-460.32.03-1.x86_64.rpm
。
若集群版本为v1.20.11-aliyun.1或v1.22.3-aliyun.1,输入键为ack.aliyun.com/nvidia-fabricmanager-tarball
,值为fabricmanager-linux-x86_64-460.32.03.tar.gz
。
参数配置完成后,单击确认配置。
登录容器服务管理控制台,在左侧导航栏选择集群。
在目标集群的操作列,选择更多 > 通过CloudShell管理集群。
执行以下命令,查看带有component: nvidia-device-plugin
标签的Pod。
kubectl get po -n kube-system -l component=nvidia-device-plugin -o wide
预期输出:
NAME READY STATUS RESTARTS AGE IP NODE NOMINATED NODE READINESS GATES
nvidia-device-plugin-cn-beijing.192.168.1.127 1/1 Running 0 6d 192.168.1.127 cn-beijing.192.168.1.127 <none> <none>
nvidia-device-plugin-cn-beijing.192.168.1.128 1/1 Running 0 17m 192.168.1.128 cn-beijing.192.168.1.128 <none> <none>
nvidia-device-plugin-cn-beijing.192.168.8.12 1/1 Running 0 9d 192.168.8.12 cn-beijing.192.168.8.12 <none> <none>
nvidia-device-plugin-cn-beijing.192.168.8.13 1/1 Running 0 9d 192.168.8.13 cn-beijing.192.168.8.13 <none> <none>
nvidia-device-plugin-cn-beijing.192.168.8.14 1/1 Running 0 9d 192.168.8.14 cn-beijing.192.168.8.14 <none> <none>
预期输出表明,NODE列下集群中刚添加的节点对应的Pod名称为nvidia-device-plugin-cn-beijing.192.168.1.128
。
执行以下命令查看节点的驱动版本是否符合预期。
kubectl exec -ti nvidia-device-plugin-cn-beijing.192.168.1.128 -n kube-system -- nvidia-smi
预期输出:
Sun Feb 7 04:09:01 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.181.07 Driver Version: 418.181.07 CUDA Version: N/A |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Tesla V100-SXM2... On | 00000000:00:07.0 Off | 0 |
| N/A 27C P0 40W / 300W | 0MiB / 16130MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 Tesla V100-SXM2... On | 00000000:00:08.0 Off | 0 |
| N/A 27C P0 40W / 300W | 0MiB / 16130MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 2 Tesla V100-SXM2... On | 00000000:00:09.0 Off | 0 |
| N/A 31C P0 39W / 300W | 0MiB / 16130MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 3 Tesla V100-SXM2... On | 00000000:00:0A.0 Off | 0 |
| N/A 27C P0 41W / 300W | 0MiB / 16130MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
预期输出表明,驱动版本为418.181.07,即节点池升级节点NVIDIA驱动成功。