Kubernetes（K8s）与虚拟GPU（vGPU）协同：实现GPU资源的高效管理与利用
本文探讨了如何使用Kubernetes和虚拟GPU(vGPU)实现异构GPU的协同调度。Kubernetes是一个容器编排平台，通过设备插件、资源规格、调度器扩展和节点标签实现GPU资源管理。vGPU技术允许物理GPU资源在多个虚拟机或容器中共享。文章详细介绍了vGPU的部署配置步骤，并提出了GPU资源调度、负载均衡和监控调优的方法。强调虚拟GPU的性能取决于硬件和驱动支持，合理配置能提供高性能计算环境。参考文献包括Kubernetes和NVIDIA官方文档及相关研究论文。
当 K8s 集群达到万级规模，阿里巴巴如何解决系统各组件性能问题？
作者 | 阿里云容器平台高级技术专家 曾凡松（逐灵）
本文主要介绍阿里巴巴在大规模生产环境中落地 Kubernetes 的过程中，在集群规模上遇到的典型问题以及对应的解决方案，内容包含对 etcd、kube-apiserver、kube-controller 的若干性能及稳定性增强，这些关键的增强是阿里巴巴内部上万节点的 Kubernetes 集群能够平稳支撑 2019 年天猫 618 大促的关键所在。
第三代分布式任务调度框架PowerJob
PowerJob是新一代分布式任务调度与计算框架，支持CRON、API、固定频率、固定延迟等调度策略，提供工作流来编排任务解决依赖关系，能让您轻松完成作业的调度与繁杂任务的分布式计算。
GPU计算资源智能调度：过去、现在和未来
随着AI和大数据技术发展，GPU成为关键计算组件。文章探讨了GPU计算资源调度从静态到动态再到智能调度的演变，现以机器学习优化资源利用率。未来趋势包括自适应调度、跨平台、集群级调度和能源效率优化，旨在提升GPU性能，推动人工智能和大数据领域进步。