GPU 调度——从”够不够”到”快不快”
K8s 默认调度器把 GPU 当成标量资源（nvidia.com/gpu: 1），对于单 GPU 作业够用，但对于 AI 集群的真实负载有三个盲区：GPU 碎片化、拓扑不感知、Gang Scheduling 缺失。
本目录从这三个盲区出发，逐层展开解决方案。
文档
| # | 文档 | 内容 |
|---|---|---|
| 01 | GPU 调度问题总览 | 碎片化、拓扑不感知、Gang Scheduling 三个盲区的分析 |
| 02 | Gang Scheduling | Volcano Coscheduling vs K8s SchedulingGates，All-or-Nothing 调度 |
| 03 | 拓扑感知调度 | NVLink/NUMA/跨节点三层拓扑感知 + NVIDIA Topology-Aware Scheduler |
| 04 | GPU 共享调度 | MIG（硬切分）、MPS（计算共享）、Time-slicing（时分）在 K8s 中的表达 |
相关资源
概念层（本文）→ 实现层（进阶）：
- 云原生 AI 平台 — GPU 管理与虚拟化 — 从概念到落地：NVIDIA Container Toolkit、Device Plugin、HAMi、Kueue 实战部署
- 云原生 AI 平台 — K8s GPU 管理 — K8s 原生 AI 工作负载的容器运行时、调度器与推理框架
- Kubernetes 调度器扩展案例：GPU 资源调度 — Device Plugin + 自定义调度器的完整实现
- NVIDIA GPU Operator 文档
- Volcano 官方文档