原文作者：意琦行 本文转载自：HAMi 正式接入 Kubernetes DRA：下一代 GPU 资源模型实践指南
HAMi 是目前 Kubernetes 上最活跃的开源 vGPU 方案，能够将一块物理 GPU 按显存和算力细粒度地切分为多个虚拟 GPU，供不同 Pod 共享。
本文聚焦 HAMi DRA 模式的部署与使用：安装 HAMi DRA 驱动后，分别用原生模式和兼容模式提交 Pod，验证 GPU 切分是否生效。
Kubernetes 在 1.34 中正式 GA 了 DRA（Dynamic Resource Allocation，动态资源分配）。DRA 的核心改进是让调度器参与资源分配，在 Pod 调度阶段就精确匹配设备属性，避免了 DevicePlugin “调度到节点后才发现资源不够” 的问题。
HAMi 最近的版本已经正式接入了 DRA，用户既可以使用原生 DRA 模式，也可以用 DevicePlugin 兼容模式无缝迁移。
HAMi（异构 AI 计算虚拟化中间件）是一个用于管理 Kubernetes 集群中异构 AI 计算设备的开源平台。前身为 k8s-vGPU-scheduler，HAMi 可在多个容器和工作负载之间实现设备共享。
HAMi 是云原生计算基金会（CNCF）的 Sandbox 项目，并被收录于 CNCF 技术全景图和 CNAI 技术全景图。
设备共享多设备支持：兼容多种异构 AI 计算设备（GPU、NPU 等）共享访问：多个容器可同时共享设备，提高资源利用率
内存管理硬限制：在容器内强制执行严格的内存限制，防止资源冲突动态分配：根据工作负载需求按需分配设备内存灵活单位：支持按 MB 或占总设备内存百分比的方式指定内存分配
设备规格类型选择：可请求特定类型的异构 AI 计算设备UUID 定向：使用设备 UUID 精确指定特定设备
易用性对工作负载透明：容器内无需修改代码简单部署：使用 Helm 轻松安装和卸载，配置简单
开放治理社区驱动：由互联网、金融、制造业、云服务等多个领域的组织联合发起中立发展：作为开源项目由 CNCF 管理
前提条件：K8s 1.34 及以上版本，同时开启 DRAConsumableCapacity Feature Gate 1.34-1.35 DRAConsumableCapacity 默认未开启，需要手动配置
Container Runtime 必须开启 CDINVIDIA GPU 驱动 440 及以上版本
特别是第一条，DRAConsumableCapacity 在 1.36 才默认开启，1.34、1.35 需手动配置。
安装 GPU Operator 时需要关闭 DevicePlugin：
：关闭 DevicePlugin，避免与后续安装的 DRA Driver 冲突。
HAMi DRA Webhook 需要 TLS 证书，因此需要提前安装 cert-manager 用于自动签发。
为节点打上 标签，未标记的节点不会被 HAMi 接管。
使用以下命令添加 HAMi 图表仓库：
用以下命令进行安装：
注意：DRA 模式与传统模式不兼容，请勿同时启用。
另外如果 GPU 驱动是主机预装，非 GPU Operator 安装，则安装时需额外指定：
正常情况下，会在 hami-system 下启动以下 Pod
查看 dra-driver 是否正常发布 resourceslice：
详情如下：
可以看到，ResourceSlice 记录了 GPU 的架构、型号、显存等信息。
DRA 原生使用流程是先创建 ResourceClaim，然后创建 Pod 使用该 ResourceClaim。
ResourceClaim 以及对应 Pod 完整 yaml 如下：
通过 ResourceClaim 可以看到资源分配情况：
Pod 中执行 nvidia-smi 看到显存是我们申请的 10G，说明 HAMi 生效了。
原生 DRA 模式需要手动创建 ResourceClaim，对存量业务不够友好。
为了便于大家迁移，HAMi 提供了兼容模式：用户仍然像 DevicePlugin 那样申请资源，由 HAMi DRA Webhook 自动拦截并转换为 ResourceClaim，调度器分配后再挂载到 Pod。
和使用 DevicePlugin 一样，正常在 resources 中申请资源即可：
HAMi 会根据 、 自动生成 ResourceClaim，并绑定到 Pod。
对应的 ResourceClaim 如下：
核心配置：
对比原始 Pod 的资源申请：
Webhook 转换映射关系：原始资源申请ResourceClaim 字段http://nvidia.com/gpu: 1requests.count: 1http://nvidia.com/gpumem: 10240requests.capacity.memoryhttp://nvidia.com/gpucores: 50requests.capacity.cores
同样的，显存为 10240M，说明 HAMi 也生效了。
本文围绕 HAMi DRA 模式完成了从安装到验证的完整实践：部署 HAMi DRA：关闭 DevicePlugin 后通过 Helm 安装 HAMi，开启 DRA 原生模式：手动创建 ResourceClaim 声明显存与算力，Pod 通过 resourceClaim 引用DevicePlugin 兼容模式：沿用传统 等资源申请，HAMi DRA Webhook 自动转换为 ResourceClaim，存量业务零改造即可迁移
两种模式的核心差异在于 ResourceClaim 的创建方式——原生模式手动管理、兼容模式自动生成，底层调度与切分逻辑一致。
HAMi 是 CNCF 托管的开源项目与社区，核心方向是 GPU 虚拟化与异构算力调度，面向 AI 场景提升算力利用效率；其目标是实现 灵活、按需、弹性、可靠 的 GPU 虚拟化，并持续扩展对主流 AI 芯片生态的支持。
「密瓜智能（Dynamia） 」专注 GPU 虚拟化与异构算力调度，发起并主导 CNCF 开源项目 HAMi；同时基于 HAMi 提供商业发行版、企业产品与服务，帮助用户在真实业务中规模化使用相关能力
官网：dynamia.ai
邮箱：info@dynamia.ai
HAMi 项目地址：https://github.com/project-hami/hami
原文地址：https://www.lixueduan.com/posts/kubernetes/56-hami-dra-quickstart/
本文作者「Dynamia密瓜智能」