SemiAnalysis_· @SemiAnalysis_ · X·· 2 天前AI 评分
SemiAnalysis 测试 Vultr GPU 集群暴露多项问题
SemiAnalysis 在 Vultr GPU 集群上测试时发现多项问题：镜像含 CUDA、Docker、runc 等多个存在 CVE 的库，登录 pod 缺少 `/shared` 挂载和 Pyxis 配置，K8s 默认 `vultr-block-storage` StorageClass 与裸金属集群不兼容导致 pod 卡在 `ContainerCreating`。
Vultr 为我们测试构建的镜像中，许多库都存在适用的 CVE，包括 CUDA、DCGM、Docker、runc 和 ConnectX 固件。我们的 Slinky 登录 pod 没有挂载 `/shared`，也缺少 Pyxis plugstack 配置，因此在 Vultr 支持团队于活动期间重新配置登录 pod 修复这两个问题之前，我们不得不从 worker pod 进行编排操作。从 K8s 层看到的存储还有另一个基本问题：默认存储配置与我们的裸金属集群不兼容。默认 StorageClass `vultr-block-storage` 能正常配置和绑定，但 pod 却永远卡在 `ContainerCreating` 状态。不过，随 worker 节点附带的 Lustre 层表现优异，在 32 个客户端上实现了 91.7 GB/s 的聚合读取速度。Grafana 已完成配置，但仅部分正确，由于 `DCGM_FI_PROF_NVLINK_*` 字段未配置，NVLink 读取值显示为 0。(2/3)
来源：SemiAnalysis_ · x.com