网站开发甲方需求文档,平面设计网站知乎,ui界面图片,吉林省软环境建设网站俺乘杉阂先看几个令人心动又让钱包一紧的 GPU 型号#xff1a;NVIDIA A100 80GB、H800 80GB、RTX 4090 24GB... 这些 AI 时代的“超级马力”#xff0c;无论我们是砸钱买断#xff0c;还是花高价租用#xff0c;都只能整块拿下。可除了模型训练#xff0c;更多时候只是用…俺乘杉阂先看几个令人心动又让钱包一紧的 GPU 型号NVIDIA A100 80GB、H800 80GB、RTX 4090 24GB...这些 AI 时代的“超级马力”无论我们是砸钱买断还是花高价租用都只能整块拿下。可除了模型训练更多时候只是用来跑推理、开发/测试环境几十上百 GB 的显存真的全能派上用场吗多数情况下你的 GPU 算力其实都在“摸鱼”利用率可能连 20% 都不到。在算力就是钞票的 AI 时代GPU 闲置哪是“摸鱼”这分明是“撒币”行为。如果你是 AI 团队的 Leader一边要交代高昂算力开销一边还要安抚抱怨“GPU 不够、流程太慢”的团队成员是不是早已身心俱疲如果你是 MLOps 或平台工程师每天盯着 GPU 集群利用率长期低于 20%还得处理各种“抢资源”工单是不是觉得自己的技术没用在刀刃上如果你是 AI 算法工程师只是想跑个预处理、验证模型、调试代码却要为一张被“霸占”却没被用满的 A100/H800 排队数小时灵感都快被磨光了吧别急今天的主角——HAMi就是你的“开源解药”GitHub 地址github.com/Project-HAMi/HAMi简单来说HAMi 是由上海密瓜智能发起的面向 K8s 的异构 AI 计算虚拟化中间件。它的核心能力就是像切蛋糕一样把一整块物理 GPU 灵活切分为多块虚拟 GPUvGPU并按需分配给不同业务Pod实现算力的精细化共享与隔离。最关键的是你的 AI 应用代码一行都不用改一、GPU 共享的两个“陷阱”为何需要 HAMi要理解 HAMi 的价值我们首先要明白一块 GPU 包含了两种核心资源显存 (Memory) 和计算核心 (Compute Cores)。在没有管理机制的“原生共享”模式下这两种资源都会陷入困境显存的“独占性”OOM 问题GPU 显存是一个“硬性资源”。一个程序启动时必须先申请到足够的显存空间来加载模型和数据。在原生共享模式下这就是一场“先到先得”的游戏。算力的“混沌竞争”性能问题即便多个任务都成功挤进了显存它们接下来也要争抢有限的算力核心。这就像一场没有规则的“大乱斗”。一个计算密集型任务可能会在某个瞬间霸占几乎所有的计算资源导致其他任务被“饿死”响应变得极慢。面对以上两个陷阱HAMi 提供了精准且优雅的解决方案。它能同时对显存和算力进行精细化切分和管理对于显存实现“硬性隔离”HAMi 会为每个任务划分出一段完全独立的、大小固定的虚拟显存空间。每个任务只能在自己的“包间”里活动彻底杜绝了因某个任务过度占用而导致其他任务无法启动的 OOM 问题。对于算力实现按比例分配HAMi 允许你为每个任务分配特定比例的算力例如为 A 任务pod分配 30% 的算力B 任务 50%。确保每个任务都能获得其应有的计算资源从而保障性能的稳定和可预期告别“性能抖动”。总结一下HAMi 可以将 GPU 从一个混乱、不可预测的“公共资源”转变为多个独立、稳定、可度量的“私有资源”这就是它实现 GPU 高效利用的核心所在。搞懂了这一点我们再来看 HAMi 在 K8s 里的操作你就会觉得豁然开朗。二、三步搞定简单到不像话在我们熟悉的 K8s 环境里GPU 一直是个“倔强的老顽固”——一个 Pod 就得独占一整张卡申请 GPU 资源也只能按“卡”来。但 HAMi 的出现彻底改变了这一游戏规则。有了 HAMi你可以像点菜一样随心为 AI 应用选配告别 GPU 资源浪费比如「1GB 显存、30% 算力」。别看功能这么牛但安装 HAMi 却超级简单。它就像 K8s 的即插即用扩展包用 Helm 工具三条命令搞定# 1. 先给你有 GPU 的机器打个标签让 HAMi 认识它kubectl label nodes {nodeid} gpuon# 2. 添加 HAMi 的官方“菜单”helm repo add hami-charts https://project-hami.github.io/HAMi/# 3. 下单安装helm install hami hami-charts/hami -n kube-system搞定看到 hami-device-plugin 和 hami-scheduler 这两个 Pod 都正常地 Running 起来就说明你已经成功化身“GPU 管理大师”了。以后你就可以用下面的配置为你的 AI 应用轻松愉快地申请任意大小的 vGPU 了。apiVersion: v1kind: Podmetadata:name: gpu-podspec:containers:- name: ubuntu-containerimage: ubuntu:18.04command: [bash, -c, sleep 86400]resources:limits:nvidia.com/gpu: 1 # 申请 1 个 vGPUnvidia.com/gpumem: 1024 # 每个 vGPU 包含 1024MB 设备内存nvidia.com/gpucores: 30 # 每个 vGPU 分配 30% 的计算核心此外官方还贴心地准备了可视化界面 HAMi-WebUI让摸鱼的 GPU 无所遁形三、揭秘 HAMi 技术核心个人开发者也能玩转你肯定好奇HAMi 到底用了什么黑科技竟然能瞒天过海“骗”过 CUDA让程序觉得自己拥有一整块 GPU答案全在它的核心武器HAMi-core。这玩意儿的原理说白了就是“欺上瞒下”的高级玩法。3.1 HAMi 核心原理HAMi-core 本质上是一个实现了 CUDA API Hook钩子的动态链接库 (libvgpu.so)。它的工作原理非常巧妙也十分经典如上图所示它通过 LD_PRELOAD 环境变量在你的应用程序和真正的 CUDA 驱动之间“插入”了自己。当你的程序调用一个 CUDA API比如申请显存时HAMi-core 会先“劫持”这个请求然后根据你设置的限制比如 2GB 显存进行判断和管理最后再把一个“修改过”的请求或者一个“虚拟”的响应回传给你的程序。整个过程你的程序和驱动都被蒙在鼓里还以为对方是原装的。就靠这手“瞒天过海”它轻松实现了显存虚拟化、算力限制和用量监控。3.2 本地体验 GPU 虚拟化这个设计的精髓在于HAMi-core 完全可以脱离 K8s 单飞这意味着在你自己的电脑上用 Docker 就能体验到 GPU 精准分配的快乐这对于想在单张卡上模拟多环境测试的个人开发者来说简直太实用了假设你的显卡是 12G我们切个 2G 的 vGPU 出来玩玩。第一步构建包含 HAMi-core 的镜像# 在 HAMi-core 项目里用官方 Dockerfile 构建一个新镜像docker build . -fdockerfiles/Dockerfile -t cuda_vmem:tf1.8-cu90第二步准备 Docker 运行所需的环境变量# 把英伟达驱动、工具啥的都准备好挂载进去export DEVICE_MOUNTS...export LIBRARY_MOUNTS...第三步运行容器并应用 vGPU 限制最关键的一步来了通过环境变量“激活”我们的 GPU 管家docker run ${LIBRARY_MOUNTS} ${DEVICE_MOUNTS} -it \-e CUDA_DEVICE_MEMORY_LIMIT2g \-e LD_PRELOAD/libvgpu/build/libvgpu.so \cuda_vmem:tf1.8-cu90当你在容器里敲下 nvidia-smi 并回车你会看到……总显存不多不少正好是我们设定的 2048MB在这个容器里任何程序都休想突破这个“结界”。是不是泰酷辣四、为什么说 HAMi 是 AI 算力的“必选项”看到这里你应该明白了HAMi 代表了一种更聪明、更高效的算力利用方式。降本增效立竿见影GPU 利用率大幅提升让本只能跑一个任务的显卡轻松承载更多任务资源价值直接翻倍。国产芯的“瑞士军刀”不止支持英伟达HAMi 还兼容寒武纪、海光、昇腾等众多国产 AI 芯片。在信创大潮下战略价值不言而喻。出身名门CNCF 认证作为 CNCF 官方沙箱项目HAMi 拥有云原生世界的“正统身份”稳定性和社区支持有保障选它更安心。久经沙场巨头验证顺丰、AWS 等国内外头部企业都已在生产环境深度应用早已证明 HAMi 不是“玩具”是真正能打的“正规军”。五、最后在 AI 大模型“军备竞赛”白热化的今天谁能把算力用得更精、更省谁就掌握了未来的主动权。HAMi 正是为此而生的一把“瑞士军刀”它优雅、无感却能实实在在地帮你把钱花在刀刃上。最后别再让你的 GPU 继续摸鱼了给它上点强度吧GitHub 地址github.com/Project-HAMi/HAMi社区动态HAMi 2.7.0 重磅发布开源不易期待你的 Star 支持作者削微寒扫描左侧的二维码可以联系到我知识共享许可协议本作品采用署名-非商业性使用-禁止演绎 4.0 国际 进行许可。好文要顶 关注我 收藏该文 微信分享削微寒粉丝 - 4516 关注 - 14推荐博客加关注63升级成为会员? 上一篇 《HelloGitHub》第 114 期? 下一篇 DIY ChatGPT 一周狂揽 27k Star「GitHub 热点速览」posted 2025-10-14 08:19 削微寒 阅读(1508) 评论(3) 收藏 举报刷新页面返回顶部登录后才能查看或发表评论立即 登录 或者 逛逛 博客园首页【推荐】博客园小马算力达成战略合作为开发者注入“算力引擎”【推荐】鸿蒙应用开发者激励计划开发上架应用现金激励超亿元【推荐】2025 HarmonyOS 创新赛正式启动百万大奖等你来挑战【推荐】天翼云智惠上云月爆款云主机2核2G只要18.8元/3个月起【推荐】帮园友公司招聘杭州吉合信科技诚聘 Java 全栈开发工程师编辑推荐史诗级警报ASP.NET Core 被曝 CVSS 9.9 分漏洞一个轻量级C内存监控及可视化开源库EF Core: FromExpression 方法有什么用深度学习优化器算法巧思速览如何在 Spring Boot 应用中配置多个 Spring AI 的 LLM 客户端HarmonyOS专区开发上架鸿蒙应用现金激励超亿元前端转鸿蒙开发几个比较难受的地方闯入鸿蒙浪漫、理想与「草台班子」3天赚2万开发者的梦想也可以掷地有声Flutter 适配 HarmonyOS 5 开发知识地图历史上的今天2021-10-14 桀骜不驯的代码又搞事情我找来 10 个开源项目帮你驯服它们公告test昵称 削微寒园龄 10年5个月荣誉 推荐博客粉丝 4516关注 14加关注积分与排名积分 - 1702608排名 - 133随笔分类git(17)GitHub 热点速递(125)HelloDjango(48)HelloGitHub(154)HelloVue(3)HelloZooKeeper(14)linux(24)OneFile(2)Python(40)Python Web(17)SQL和MySQL(17)VS Code(2)大数据(5)翻译(24)感悟(4)更多随笔档案2025年10月(2)2025年9月(4)2025年8月(4)2025年7月(4)2025年6月(3)2025年5月(4)2025年4月(4)2025年3月(4)2025年2月(4)2025年1月(4)2024年12月(6)2024年11月(4)2024年10月(4)2024年9月(4)2024年8月(4)更多阅读排行榜1. [Python]新手写爬虫全过程已完成(191847)2. [python]pip常用命令转载(121277)3. [git]merge和rebase的区别(115995)4. supervisor 安装、配置、常用命令(101045)5. python转义字符——重点解释\b,\n和\r区别