开发者指南
本指南面向在团队项目中部署工作负载和消耗资源的开发者。
职责
作为开发者，您负责：
- ✅ 在您的项目中部署应用程序
- ✅ 监控资源使用情况
- ✅ 保持在配额限制内
- ✅ 优化资源消耗
入门
1. 获取 Kubeconfig
向您的团队负责人或管理员请求 kubeconfig。
2. 设置上下文
# 将上下文设置为您的项目命名空间
kubectl config set-context --current --namespace=your-project
# 验证
kubectl config view --minify | grep namespace
3. 检查配额
查看您的可用资源：
kubectl describe quota
部署工作负载
基本 Pod 部署
apiVersion: v1
kind: Pod
metadata:
name: gpu-training-job
namespace: your-project
spec:
containers:
- name: trainer
image: your-ml-image:latest
resources:
requests:
cpu: "4"
memory: "16Gi"
nvidia.com/gpu: "1"
limits:
cpu: "4"
memory: "16Gi"
nvidia.com/gpu: "1"
使用 Deployments
apiVersion: apps/v1
kind: Deployment
metadata:
name: ml-inference
namespace: your-project
spec:
replicas: 2
selector:
matchLabels:
app: ml-inference
template:
metadata:
labels:
app: ml-inference
spec:
containers:
- name: inference
image: your-inference-image:latest
resources:
requests:
cpu: "2"
memory: "8Gi"
nvidia.com/gpu: "1"
监控使用情况
检查 Pod 资源使用情况
# 查看资源消耗
kubectl top pods
# 详细的 pod 信息
kubectl describe pod <pod-name>
查看日志
# 流式查看日志
kubectl logs -f <pod-name>
# 查看之前的日志（如果 pod 重启了）
kubectl logs --previous <pod-name>
最佳实践
资源请求和限制
始终指定请求和限制：
resources:
requests:
cpu: "2"
memory: "8Gi"
limits:
cpu: "4"
memory: "16Gi"
GPU 使用
- 仅在需要时请求 GPU
- 将 GPU 用于计算密集型任务
- 监控 GPU 利用率
清理
不再需要时删除资源：
# 删除 pod
kubectl delete pod <pod-name>
# 删除 deployment
kubectl delete deployment <deployment-name>
# 清理已完成的 job
kubectl delete job --field-selector status.successful=1
成本优化
- 正确调整资源请求的大小
- 使用水平 pod 自动扩展
- 清理空闲资源
- 在可能的情况下共享 GPU（如果支持）
故障排查
Pod 处于 Pending 状态（配额不足）
如果您的 pod 卡在 Pending 状态：
kubectl describe pod <pod-name>
查找与配额相关的错误，并减少资源请求或向团队负责人申请更多配额。
内存不足 (OOM)
如果 pod 因 OOM 被杀死：
- 检查内存使用模式
- 增加内存限制
- 优化应用程序内存使用
GPU 不可用
验证 GPU 请求：
kubectl get nodes -o custom-columns=NAME:.metadata.name,GPU:.status.allocatable."nvidia\.com/gpu"