GKE Autopilot节点Nvidia驱动版本查询及指定版本方法问询

1. 默认Nvidia驱动版本 #

GKE Autopilot的默认Nvidia驱动版本无固定值，会随集群使用的Kubernetes版本、GCP服务更新动态变化。早期部署的Autopilot集群默认多为470.x系列，较新版本的集群（如K8s 1.26及以上）默认会采用525.x等更新的驱动系列。

2. 查询当前节点的驱动版本 #

有两种常用方法：

• 通过节点标签查询：Autopilot会为GPU节点添加驱动版本标签，执行以下命令（替换对应的加速器类型，如nvidia-tesla-a100）即可查看：

  kubectl get nodes -l cloud.google.com/gke-accelerator=nvidia-tesla-t4 -o jsonpath='{.items[*].metadata.labels.cloud\.google\.com/gke-nvidia-driver-version}'
  

• 通过节点调试查看：先进入目标节点的调试容器，再执行驱动查询命令：

  # 替换<node-name>为实际节点名称
  kubectl debug node/<node-name> -it --image=ubuntu
  # 在调试容器内执行
  nvidia-smi
  

  输出结果中Driver Version字段即为当前驱动版本。

3. 配置节点使用525版本驱动 #

GKE Autopilot支持通过节点池配置指定Nvidia驱动版本，操作方式如下：

• 创建新的Autopilot节点池时指定驱动版本：

  gcloud container node-pools create <pool-name> \
    --cluster=<cluster-name> \
    --region=<region> \
    --accelerator type=nvidia-tesla-t4,count=1 \
    --nvidia-driver-version=525.105.17
  

• 更新现有节点池的驱动版本：

  gcloud container node-pools update <pool-name> \
    --cluster=<cluster-name> \
    --region=<region> \
    --nvidia-driver-version=525.105.17
  

  注意：更新节点池会触发节点滚动重建，需提前做好业务容灾准备。

4. 能否通过nodeSelector创建指定驱动版本的节点？ #

不能。nodeSelector仅用于将Pod调度到已有符合标签条件的节点上，无法触发Autopilot创建新的指定驱动版本的节点。若要创建使用525版本驱动的节点，必须通过上述节点池配置指定驱动版本；节点创建完成后，可在Pod配置中添加nodeSelector将Pod调度到这些节点：

spec:
  nodeSelector:
    cloud.google.com/gke-nvidia-driver-version: "525.105.17"

内容的提问来源于stack exchange，提问作者GRS