DRA工作流程包括六个阶段：设备注册、分类定义、用户需求声明、调度器分配、设备准备与注入、Pod运行与清理。DRA Driver通过NVML扫描GPU并注册到Kubelet，用户创建Pod和ResourceClaim，调度器选择并分配设备。Kubelet负责准备设备并注入到容器，Pod终止后进行清理。DRA简化了设备管理流程，调度器负责分配决策。

本文介绍了Kubernetes上HAMi DRA模式的安装与使用。HAMi是一个开源GPU虚拟化平台，能够将物理GPU细分为多个虚拟GPU供不同Pod共享。DRA模式通过调度器动态分配资源，解决资源不足的问题。用户可选择手动创建ResourceClaim的原生模式或使用兼容模式自动转换资源申请，简化迁移过程。文章详细描述了安装步骤、验证方法及两种模式的区别。

DRA（设备资源管理）通过ResourceSlice、DeviceClass和ResourceClaim三个API对象实现资源的灵活管理与申请。ResourceSlice提供设备信息，DeviceClass定义设备分类，ResourceClaim描述用户需求。DRA的设计思路与CSI相似，支持GPU共享和精确资源分配，优化了Kubernetes中的设备管理流程。

HAMi v2.9.0 正式发布，增强了异构设备的虚拟化和调度能力。新特性包括用户态虚拟化、生产就绪的 HAMi-DRA、增强的安全性和稳定性，以及对瀚博半导体设备的支持。HAMi-core 模式实现了显存与算力的细粒度共享，提升了资源利用率，已在招商银行验证。此外，该版本还更新了可观测性和安全性功能，推动了 DRA 生态联盟的发展。

DRA（动态资源分配）是Kubernetes为克服DevicePlugin局限性而推出的新框架，允许用户精确申请GPU资源，调度器能够获取设备详细信息，避免调度冲突。DRA支持资源预留和共享，提升了资源管理的灵活性和效率，通过ResourceSlice和DeviceClass实现了对设备属性的全面描述，标志着Kubernetes在资源管理上的重大进步。

KCD Beijing 2026 是大型 Kubernetes 社区大会，HAMi 社区介绍了 GPU 调度的 DRA 模型，强调 GPU 从“设备”转变为“资源对象”。DRA 提升了资源建模能力，但用户体验有所下降。HAMi-DRA 通过自动化迁移简化用户操作，提高了 Pod 创建速度和可观测性，推动了 AI 基础设施的发展。

随着数据中心电力和硬件成本上升，组织们在Kubernetes上运行AI项目时寻求提高效率。Cloud Native Computing Foundation推出了Kubernetes调度器的增强功能DRA，允许用户更精确地分配资源，通过新的API提供设备属性，优化资源调度，提升GPU和CPU集群的性能。

Kubernetes v1.34引入动态资源分配(DRA)，支持跨多个Pod和容器的设备共享。用户可根据需求请求特定设备并定义自定义配置，允许多个资源请求共享同一设备，从而提升资源管理的灵活性和效率，适用于带宽等动态资源分配场景。

Kubernetes v1.34引入了新的alpha功能，允许Pods报告设备健康状态，增强了对GPU等硬件故障的可见性。通过DRA驱动，Kubelet能够接收设备健康更新，帮助快速诊断问题，减少停机时间，为后续改进奠定基础。

动态资源分配（DRA）是Kubernetes的新特性，旨在提高GPU等专用硬件的管理效率。与传统设备插件架构相比，DRA支持动态资源分配、共享和细粒度配置，解决了资源利用不足的问题。通过新API对象如资源声明和设备类别，DRA优化了资源调度和管理，以适应现代工作负载需求。

Kubernetes v1.34正式发布，动态资源分配（DRA）核心功能上线，提供灵活的硬件管理框架。多个功能升级至beta，增强资源管理的控制和可观察性。新特性包括设备共享模型和资源健康状态监控，未来将持续优化DRA的性能和可靠性。

Kubernetes v1.33引入了动态资源分配（DRA）新功能，DRA在v1.32进入beta，计划在v1.34正式发布。新特性包括驱动程序资源状态报告、可分区设备、设备污点与容忍、优先设备列表等，提升了设备管理的灵活性和用户体验。

Kubernetes v1.31.0引入了AI/ML工作负载处理和网络方面的改进。它允许开发人员通过更改OCI镜像轻松更改语言模型。它还改进了硬件设备信息，并引入了设备资源分配（DRA）功能的支持。在网络方面，它通过新的nftables bucket增强了Kube-proxy，以提高性能。DRA标准化了硬件设备的分配和管理。其他改进包括对AppArmor的支持、持久卷最后阶段转换时间以及服务的流量分配。