如何添加 Huawei NPU 节点到 Kubernetes 集群
内容提要
本文介绍了在华为昇腾910B NPU服务器上配置AI训练环境的完整流程，涵盖磁盘RAID0组建与挂载、NPU驱动安装、TLS关闭、网络健康检查、ascend-docker-runtime及Containerd部署、K8s集群加入与设备插件安装，以及CPU锁频、THP调优、网卡队列和时钟源等性能优化措施。
延伸解读
磁盘与文件系统选择
文章建议多块小盘组建RAID0以提升容量和速度，并指出XFS适合大文件、ext4适合中小文件。实际部署时需根据工作负载特点选择文件系统，同时注意RAID0无冗余，数据安全性较低，建议结合备份策略。
TLS关闭与网络健康检查
文中通过hccn_tool关闭TLS并检查网络健康状态，这是为了确保NPU间通信性能。关闭TLS可能降低安全性，但在受控的集群内部网络中常见。部署前应确认网络环境安全，并定期检查健康状态以避免通信故障。
运行时选择：Containerd与Docker
文章提供了Containerd和Docker两种运行时配置，并指出二选一。Containerd更轻量，适合K8s默认集成；Docker则生态成熟。选择时需考虑团队熟悉度和现有工具链，同时注意配置差异，如cri-socket参数。
性能优化权衡
文中提到CPU锁频、THP调优、网卡队列和时钟源调整，并明确各优化的缺点：锁频功耗高、THP关闭降低内存使用率、网卡队列增加延时、tsc可能不同步。优化需根据实际场景权衡，避免盲目套用。
Q&A
如何在华为昇腾910B NPU服务器上组建RAID0并挂载磁盘？
使用mdadm命令创建RAID0，例如：mdadm --create --verbose /dev/md0 --level=0 --raid-devices=3 /dev/nvme1n1 /dev/nvme2n1 /dev/nvme3n1。然后创建文件系统（如mkfs.xfs -f /dev/md0），创建挂载目录（如mkdir -p /data），获取UUID并写入/etc/fstab，最后执行mount -a挂载。
如何安装华为昇腾910B NPU的驱动和固件？
首先创建HwHiAiUser用户和组，然后从华为官网下载对应驱动和固件，执行安装命令：bash ./Ascend-hdk-910b-npu-driver_25.5.1_linux-x86-64.run --full --install-for-all 和 bash ./Ascend-hdk-910b-npu-firmware_7.8.0.6.201.run --full。安装完成后用npu-smi info验证。
如何关闭华为昇腾NPU的TLS功能？
使用hccn_tool命令对每个NPU设备关闭TLS，命令为：for i in {0..15}; do hccn_tool -i $i -tls -s enable 0; done。
如何安装ascend-docker-runtime并配置Containerd？
从GitCode下载ascend-docker-runtime的.run文件并执行安装。然后安装Containerd，生成默认配置，修改配置中的root、state、sandbox_image、SystemdCgroup，并将runtime设置为ascend-docker-runtime的路径，最后重启Containerd。
如何将华为昇腾NPU节点加入Kubernetes集群？
修改主机名，初始化内核参数，安装kubeadm、kubelet、kubectl，配置kubelet（如设置pause镜像、CPU管理策略等），然后在master节点生成token，执行kubeadm join命令加入集群。注意根据容器运行时指定--cri-socket参数。
如何在Kubernetes中部署华为昇腾NPU设备插件？
使用kubectl apply -f命令部署device-plugin和rdma-shared-dev-plugin，然后根据需要编辑DaemonSet和ConfigMap配置。例如：kubectl apply -f https://raw.githubusercontent.com/shaowenchen/ops-hub/master/ascend/v7.1.RC1-device-plugin-910.yaml。
华为昇腾NPU服务器有哪些性能优化措施？
包括CPU锁频设置为performance模式、关闭或调整THP（透明大页）的defrag、增大网卡队列缓冲区（如rx/tx设为8192）、将clocksource从hpet改为tsc，以及调整风扇速度到最大。
