配置Kubeflow GPU服务器后GPU未识别，如何指定runtimeClassName？

问题背景 #

配置Kubeflow GPU服务器后GPU未被检测到，原因是集群默认runtime不正确，且不想全局修改默认runtime。尝试通过PodDefault注入runtimeClassName: nvidia时，因PodDefault的CRD不支持该字段而报错，需要找到启动Notebook时指定runtimeClassName的简便方法。

可行解决方案 #

1. 直接在Notebook资源中指定runtimeClassName

这是最简便的方法，不管是通过Kubeflow UI还是YAML清单创建Notebook，都可以直接在Pod模板的spec中添加runtimeClassName字段：

• 通过UI创建：在创建Notebook的页面，展开「Advanced settings」，找到「Pod spec」编辑区域，添加如下配置：

  runtimeClassName: nvidia
  

• 通过YAML创建：编写Notebook的YAML清单时，在spec.template.spec层级下添加该字段，示例如下：

  apiVersion: kubeflow.org/v1
  kind: Notebook
  metadata:
    name: gpu-enabled-notebook
    namespace: kubeflow
  spec:
    template:
      spec:
        runtimeClassName: nvidia
        containers:
        - name: notebook
          image: your-gpu-notebook-image:tag
          resources:
            limits:
              nvidia.com/gpu: 1 # 按需指定GPU数量
  

2. 自定义Mutating Webhook实现批量注入（适合批量场景）

如果需要给多个Notebook批量注入runtimeClassName，可以通过Kubernetes的Mutating Admission Webhook实现：

• 编写一个Webhook服务，当检测到Pod带有特定标签（比如gpu-runtime: nvidia）时，自动向Pod spec中注入runtimeClassName: nvidia字段。
• 配置Webhook的准入规则，针对Kubeflow的Notebook资源对应的Pod生效。

不过这种方法需要额外开发和部署Webhook，适合有批量管理需求的场景，单Notebook场景推荐第一种方法。

为什么PodDefault无法实现？ #

Kubeflow的PodDefault CRD的spec字段仅支持预设的可注入字段（如volumes、volumeMounts、env、securityContext等），runtimeClassName不在其支持的字段列表中，因此直接添加会触发CRD字段校验错误。

内容的提问来源于stack exchange，提问作者user3002166