zh-trans: update schedule GPUs by mysunshine92 · Pull Request #14943 · kubernetes/website

mysunshine92 · 2019-06-17T13:57:34Z

^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
Remember to delete this note before submitting your pull request.

For pull requests on 1.15 Features: set Milestone to 1.15 and Base Branch to dev-1.15

For pull requests on Chinese localization, set Base Branch to release-1.14

For pull requests on Korean Localization: set Base Branch to dev-1.14-ko.<latest team milestone>

If you need Help on editing and submitting pull requests, visit:
https://kubernetes.io/docs/contribute/start/#improve-existing-content.

If you need Help on choosing which branch to use, visit:
https://kubernetes.io/docs/contribute/start#choose-which-git-branch-to-use.
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

mysunshine92 · 2019-06-17T14:49:13Z

cc @markthink

mysunshine92 · 2019-06-18T11:22:03Z

cc @tengqm

chenrui333 · 2019-06-18T13:06:35Z

will review later when I have time. 😄 👍

chenrui333 · 2019-06-19T02:47:47Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md


-这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制。
+这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制
+。


Suggested change

。

chenrui333 · 2019-06-19T02:47:53Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

 Kubernetes 支持对节点上的 AMD 和 NVIDA GPU 进行管理，目前处于**实验**状态。对 NVIDIA GPU 的支持在 v1.6 中加入，已经经历了多次不向后兼容的迭代。而对 AMD GPU 的支持则在 v1.9 中通过 [device plugin](#deploying-amd-gpu-device-plugin) 加入。

-这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制。
+这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制


Suggested change

这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制

这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制。

chenrui333 · 2019-06-19T02:48:59Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md


 如果你的集群已经启动并且上述要求满足的话，可以这样部署 AMD device plugin：
-
+requirements are satisfied:


这个没有翻译？

chenrui333 · 2019-06-19T02:50:06Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+* 设备 ID (-device-id)
+* VRAM 大小 (-vram)
+* SIMD 数量(-simd-count)
+* 计算单位(-cu-count)


Suggested change

* 计算单位(-cu-count)

* 计算单位数量 (-cu-count)

chenrui333 · 2019-06-19T02:52:06Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+--->
+## 集群内存在不同类型的 NVIDIA GPU

+如果集群内部的不同节点上有不同类型的 NVIDIA GPU，那么你可以使用 [Node Labels 和 Node Selectors](/docs/tasks/configure-pod-container/assign-pods-nodes/) 来将pod调度到合适的节点上。


Suggested change

如果集群内部的不同节点上有不同类型的 NVIDIA GPU，那么你可以使用 [Node Labels 和 Node Selectors](/docs/tasks/configure-pod-container/assign-pods-nodes/) 来将pod调度到合适的节点上。

如果集群内部的不同节点上有不同类型的 NVIDIA GPU，那么你可以使用 [节点标签和节点选择器](/docs/tasks/configure-pod-container/assign-pods-nodes/) 来将 pod 调度到合适的节点上。

chenrui333 · 2019-06-19T02:52:16Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md


+如果集群内部的不同节点上有不同类型的 NVIDIA GPU，那么你可以使用 [Node Labels 和 Node Selectors](/docs/tasks/configure-pod-container/assign-pods-nodes/) 来将pod调度到合适的节点上。
+
+举一个例子：


Suggested change

举一个例子：

例如：

chenrui333 · 2019-06-19T02:52:37Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+<!--
+For AMD GPUs, you can deploy [Node Labeller](https://github.com/RadeonOpenCompute/k8s-device-plugin/tree/master/cmd/k8s-node-labeller), which automatically labels your nodes with GPU properties. Currently supported properties:
+--->
+对于 AMD GPUs，您可以部署 [Node Labeller](https://github.com/RadeonOpenCompute/k8s-device-plugin/tree/master/cmd/k8s-node-labeller)，它会自动给节点打上 GPU 属性标签。目前支持的属性：


Suggested change

对于 AMD GPUs，您可以部署 [Node Labeller](https://github.com/RadeonOpenCompute/k8s-device-plugin/tree/master/cmd/k8s-node-labeller)，它会自动给节点打上 GPU 属性标签。目前支持的属性：

对于 AMD GPUs，您可以部署 [节点标签器](https://github.com/RadeonOpenCompute/k8s-device-plugin/tree/master/cmd/k8s-node-labeller)，它会自动给节点打上 GPU 属性标签。目前支持的属性：

chenrui333 · 2019-06-19T02:53:01Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

-kubectl create -f https://raw.githubusercontent.com/GoogleCloudPlatform/container-engine-accelerators/k8s-1.9/nvidia-driver-installer/ubuntu/daemonset.yaml
+kubectl create -f https://raw.githubusercontent.com/GoogleCloudPlatform/container-engine-accelerators/stable/nvidia-driver-installer/ubuntu/daemonset.yaml

 # 安装 device plugin:


Suggested change

# 安装 device plugin:

# 安装设备插件:

chenrui333 · 2019-06-19T02:53:29Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+在你 1.12 版本的集群上，你能使用下面的命令来安装 NVIDIA 驱动以及 device plugin：

 ```
 # 在 Container-Optimized OS 上安装 NVIDIA 驱动:


Suggested change

# 在 Container-Optimized OS 上安装 NVIDIA 驱动:

# 在容器优化的操作系统上安装 NVIDIA 驱动:

chenrui333 · 2019-06-19T02:53:43Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

 on [Container-Optimized OS](https://cloud.google.com/container-optimized-os/)
 and has experimental code for Ubuntu from 1.9 onwards.
+--->
+#### GCE 中使用的 NVIDIA GPU device plugin


Suggested change

#### GCE 中使用的 NVIDIA GPU device plugin

#### GCE 中使用的 NVIDIA GPU 设备插件

chenrui333 · 2019-06-19T02:54:12Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+#### GCE 中使用的 NVIDIA GPU device plugin

-On your 1.9 cluster, you can use the following commands to install the NVIDIA drivers and device plugin:
+[GCE 使用的 NVIDIA GPU device plugin](https://github.com/GoogleCloudPlatform/container-engine-accelerators/tree/master/cmd/nvidia_gpu) 并不要求使用 nvidia-docker，并且对于任何实现了 Kubernetes CRI 的容器运行时，都应该能够使用。这一实现已经在 [Container-Optimized OS](https://cloud.google.com/container-optimized-os/) 上进行了测试，并且在 1.9 版本之后会有对于 Ubuntu 的实验性代码。


Suggested change

[GCE 使用的 NVIDIA GPU device plugin](https://github.com/GoogleCloudPlatform/container-engine-accelerators/tree/master/cmd/nvidia_gpu) 并不要求使用 nvidia-docker，并且对于任何实现了 Kubernetes CRI 的容器运行时，都应该能够使用。这一实现已经在 [Container-Optimized OS](https://cloud.google.com/container-optimized-os/) 上进行了测试，并且在 1.9 版本之后会有对于 Ubuntu 的实验性代码。

[GCE 使用的 NVIDIA GPU 设备插件](https://github.com/GoogleCloudPlatform/container-engine-accelerators/tree/master/cmd/nvidia_gpu) 并不要求使用 nvidia-docker，并且对于任何实现了 Kubernetes CRI 的容器运行时，都应该能够使用。这一实现已经在 [容器优化的操作系统](https://cloud.google.com/container-optimized-os/) 上进行了测试，并且在 1.9 版本之后会有对于 Ubuntu 的实验性代码。

chenrui333 · 2019-06-19T02:54:31Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+- Docker 的[默认运行时](https://github.com/NVIDIA/k8s-device-plugin#preparing-your-gpu-nodes)必须设置为 nvidia-container-runtime，而不是 runc
+- NVIDIA 驱动版本 ~= 361.93
+
+如果你的集群已经启动并且满足上述要求的话，可以这样部署 NVIDIA device plugin：


Suggested change

如果你的集群已经启动并且满足上述要求的话，可以这样部署 NVIDIA device plugin：

如果你的集群已经启动并且满足上述要求的话，可以这样部署 NVIDIA 设备插件：

chenrui333 · 2019-06-19T02:54:41Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

 The [official NVIDIA GPU device plugin](https://github.com/NVIDIA/k8s-device-plugin)
 has the following requirements:
+--->
+### 部署 NVIDIA GPU device plugin


Suggested change

### 部署 NVIDIA GPU device plugin

### 部署 NVIDIA GPU 设备插件

chenrui333 · 2019-06-19T02:54:47Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+--->
+### 部署 NVIDIA GPU device plugin
+
+对于 NVIDIA GPUs，目前存在两种 device plugin 的实现：


Suggested change

对于 NVIDIA GPUs，目前存在两种 device plugin 的实现：

对于 NVIDIA GPUs，目前存在两种设备插件的实现：

chenrui333 · 2019-06-19T02:54:53Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+
+对于 NVIDIA GPUs，目前存在两种 device plugin 的实现：

+#### 官方的 NVIDIA GPU device plugin


Suggested change

#### 官方的 NVIDIA GPU device plugin

#### 官方的 NVIDIA GPU 设备插件

chenrui333 · 2019-06-19T02:55:02Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md


+#### 官方的 NVIDIA GPU device plugin
+
+[官方的 NVIDIA GPU device plugin](https://github.com/NVIDIA/k8s-device-plugin) 有以下要求:


Suggested change

[官方的 NVIDIA GPU device plugin](https://github.com/NVIDIA/k8s-device-plugin) 有以下要求:

[官方的 NVIDIA GPU 设备插件](https://github.com/NVIDIA/k8s-device-plugin) 有以下要求:

chenrui333 · 2019-06-19T02:55:13Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

+<!--
+Report issues with this device plugin to [RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin).
+--->
 请到 [RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin) 报告有关此 device plugin 的问题。


Suggested change

请到 [RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin) 报告有关此 device plugin 的问题。

请到 [RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin) 报告有关此设备插件的问题。

chenrui333 · 2019-06-19T02:55:20Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

 The [official AMD GPU device plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin)
 has the following requirements:
+--->
+### 部署 AMD GPU device plugin


Suggested change

### 部署 AMD GPU device plugin

### 部署 AMD GPU 设备插件

chenrui333 · 2019-06-19T02:55:39Z

content/zh/docs/tasks/manage-gpus/scheduling-gpus.md

 When the above conditions are true, Kubernetes will expose `nvidia.com/gpu` or
 `amd.com/gpu` as a schedulable resource.
+--->
+接着你需要在主机节点上安装对应厂商的 GPU 驱动并运行对应厂商的 device plugin ([AMD](#deploying-amd-gpu-device-plugin)、[NVIDIA](#deploying-nvidia-gpu-device-plugin))。


Suggested change

接着你需要在主机节点上安装对应厂商的 GPU 驱动并运行对应厂商的 device plugin ([AMD](#deploying-amd-gpu-device-plugin)、[NVIDIA](#deploying-nvidia-gpu-device-plugin))。

接着你需要在主机节点上安装对应厂商的 GPU 驱动并运行对应厂商的设备插件([AMD](#deploying-amd-gpu-device-plugin)、[NVIDIA](#deploying-nvidia-gpu-device-plugin))。

chenrui333

lgtm except device plugin -> 设备插件

mysunshine92 · 2019-06-19T16:19:32Z

lgtm except device plugin -> 设备插件

@chenrui333 谢谢你的评审，我已经全部修改了，麻烦给打下lgtm 和 approve 标签。

chenrui333

/lgtm
/approve

k8s-ci-robot · 2019-06-20T20:52:33Z

[APPROVALNOTIFIER] This PR is APPROVED

This pull-request has been approved by: chenrui333

The full list of commands accepted by this bot can be found here.

The pull request process is described here

Details

Needs approval from an approver in each of these files:

~~content/zh/docs/tasks/manage-gpus/scheduling-gpus.md~~ [chenrui333]

Approvers can indicate their approval by writing /approve in a comment
Approvers can cancel approval by writing /approve cancel in a comment

chenrui333 · 2019-06-20T20:53:43Z

@mysunshine92 Thanks for your contributions, 🎉 🎉 🎉

k8s-ci-robot added cncf-cla: yes Indicates the PR's author has signed the CNCF CLA. language/zh Issues or PRs related to Chinese language sig/docs Categorizes an issue or PR as relevant to SIG Docs. size/L Denotes a PR that changes 100-499 lines, ignoring generated files. labels Jun 17, 2019

k8s-ci-robot requested review from chenrui333 and tengqm June 17, 2019 13:58

mysunshine92 force-pushed the update-schedule-gpu-1 branch 2 times, most recently from 71279ba to b25c2bd Compare June 17, 2019 14:46

chenrui333 reviewed Jun 19, 2019

View reviewed changes

zh-trans: update schedule GPUs

3cf51f7

mysunshine92 force-pushed the update-schedule-gpu-1 branch from b25c2bd to 3cf51f7 Compare June 19, 2019 16:16

chenrui333 approved these changes Jun 20, 2019

View reviewed changes

k8s-ci-robot assigned chenrui333 Jun 20, 2019

k8s-ci-robot added the lgtm "Looks good to me", indicates that a PR is ready to be merged. label Jun 20, 2019

k8s-ci-robot added the approved Indicates a PR has been approved by an approver from all required OWNERS files. label Jun 20, 2019

k8s-ci-robot merged commit d525853 into kubernetes:release-1.14 Jun 20, 2019

SataQiu pushed a commit to SataQiu/website that referenced this pull request Oct 9, 2019

zh-trans: update schedule GPUs (kubernetes#14943)

2cebee3

	这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制
	这个页面介绍了用户如何在不同的 Kubernetes 版本中使用 GPU，以及当前存在的一些限制。


		如果你的集群已经启动并且上述要求满足的话，可以这样部署 AMD device plugin：

		requirements are satisfied:

	如果集群内部的不同节点上有不同类型的 NVIDIA GPU，那么你可以使用 [Node Labels 和 Node Selectors](/docs/tasks/configure-pod-container/assign-pods-nodes/) 来将pod调度到合适的节点上。
	如果集群内部的不同节点上有不同类型的 NVIDIA GPU，那么你可以使用 [节点标签和节点选择器](/docs/tasks/configure-pod-container/assign-pods-nodes/) 来将 pod 调度到合适的节点上。


		如果集群内部的不同节点上有不同类型的 NVIDIA GPU，那么你可以使用 [Node Labels 和 Node Selectors](/docs/tasks/configure-pod-container/assign-pods-nodes/) 来将pod调度到合适的节点上。

		举一个例子：

	对于 AMD GPUs，您可以部署 [Node Labeller](https://github.com/RadeonOpenCompute/k8s-device-plugin/tree/master/cmd/k8s-node-labeller)，它会自动给节点打上 GPU 属性标签。目前支持的属性：
	对于 AMD GPUs，您可以部署 [节点标签器](https://github.com/RadeonOpenCompute/k8s-device-plugin/tree/master/cmd/k8s-node-labeller)，它会自动给节点打上 GPU 属性标签。目前支持的属性：

	# 在 Container-Optimized OS 上安装 NVIDIA 驱动:
	# 在容器优化的操作系统上安装 NVIDIA 驱动:

	#### GCE 中使用的 NVIDIA GPU device plugin
	#### GCE 中使用的 NVIDIA GPU 设备插件

	如果你的集群已经启动并且满足上述要求的话，可以这样部署 NVIDIA device plugin：
	如果你的集群已经启动并且满足上述要求的话，可以这样部署 NVIDIA 设备插件：

	### 部署 NVIDIA GPU device plugin
	### 部署 NVIDIA GPU 设备插件

	对于 NVIDIA GPUs，目前存在两种 device plugin 的实现：
	对于 NVIDIA GPUs，目前存在两种设备插件的实现：


		对于 NVIDIA GPUs，目前存在两种 device plugin 的实现：

		#### 官方的 NVIDIA GPU device plugin

	#### 官方的 NVIDIA GPU device plugin
	#### 官方的 NVIDIA GPU 设备插件


		#### 官方的 NVIDIA GPU device plugin

		[官方的 NVIDIA GPU device plugin](https://github.com/NVIDIA/k8s-device-plugin) 有以下要求:

	[官方的 NVIDIA GPU device plugin](https://github.com/NVIDIA/k8s-device-plugin) 有以下要求:
	[官方的 NVIDIA GPU 设备插件](https://github.com/NVIDIA/k8s-device-plugin) 有以下要求:

	请到 [RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin) 报告有关此 device plugin 的问题。
	请到 [RadeonOpenCompute/k8s-device-plugin](https://github.com/RadeonOpenCompute/k8s-device-plugin) 报告有关此设备插件的问题。

	### 部署 AMD GPU device plugin
	### 部署 AMD GPU 设备插件

	接着你需要在主机节点上安装对应厂商的 GPU 驱动并运行对应厂商的 device plugin ([AMD](#deploying-amd-gpu-device-plugin)、[NVIDIA](#deploying-nvidia-gpu-device-plugin))。
	接着你需要在主机节点上安装对应厂商的 GPU 驱动并运行对应厂商的设备插件([AMD](#deploying-amd-gpu-device-plugin)、[NVIDIA](#deploying-nvidia-gpu-device-plugin))。

Conversation

mysunshine92 commented Jun 17, 2019

Uh oh!

mysunshine92 commented Jun 17, 2019 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Uh oh!

mysunshine92 commented Jun 18, 2019

Uh oh!

chenrui333 commented Jun 18, 2019

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

Choose a reason for hiding this comment

Uh oh!

chenrui333 Jun 19, 2019 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Choose a reason for hiding this comment

Uh oh!

chenrui333 left a comment

Choose a reason for hiding this comment

Uh oh!

mysunshine92 commented Jun 19, 2019 • edited Loading Uh oh! There was an error while loading. Please reload this page.

Uh oh!

Uh oh!

chenrui333 left a comment

Choose a reason for hiding this comment

Uh oh!

k8s-ci-robot commented Jun 20, 2019

Uh oh!

chenrui333 commented Jun 20, 2019

Uh oh!

Reviewers

Assignees

Labels

Projects

Milestone

Development

Uh oh!

3 participants

mysunshine92 commented Jun 17, 2019 •

edited

Loading

chenrui333 Jun 19, 2019 •

edited

Loading

mysunshine92 commented Jun 19, 2019 •

edited

Loading