EKS集群GPU节点池安装NVIDIA驱动的更优实现方案咨询

针对你当前手动SSH安装NVIDIA驱动的场景，有三种更高效的落地方式，可根据你的集群使用习惯选择：

方案1：使用EKS优化GPU AMI初始化节点池 #

这是运维成本最低的方案：

• AWS官方预构建的EKS优化GPU AMI已经预装了匹配对应EKS版本的NVIDIA驱动、nvidia-container-toolkit、GPU设备插件依赖
• 创建/更新GPU节点池时直接选择对应版本的EKS GPU AMI作为启动镜像即可，节点启动后直接可用，无需额外配置

方案2：通过EC2启动模板的User Data自动安装 #

适合需要使用自定义基础AMI的场景：

• 给GPU节点池关联的EC2启动模板添加初始化脚本，节点首次启动时自动执行驱动安装逻辑，示例脚本如下（针对Amazon Linux 2系统）：

#!/bin/bash
# 安装NVIDIA驱动套件
amazon-linux-extras install -y nvidia-driver-latest-dkms
# 适配containerd运行时
nvidia-ctk runtime configure --runtime=containerd
systemctl restart containerd
# 验证驱动正常加载
nvidia-smi

• 配置完成后，所有新扩容的GPU节点都会自动完成驱动部署，不需要人工登录操作

方案3：通过DaemonSet在集群侧部署驱动 #

适合不想调整节点启动配置的存量集群场景：

• 部署NVIDIA GPU Operator DaemonSet，添加节点亲和规则，使其仅调度到带GPU标签的节点上
• 该DaemonSet会自动识别节点的GPU型号，完成驱动安装、容器运行时适配、设备插件注册的全流程，还支持后续驱动版本的集群化批量升级

• 提前给GPU节点池配置专属节点标签（例如node.kubernetes.io/instance-type: g4dn.xlarge或者自定义标签workload-type: gpu），所有调度规则、亲和性配置都基于该标签匹配，避免影响CPU节点的正常运行
• 部署前确认驱动版本和你业务使用的CUDA版本、EKS集群版本兼容，避免出现运行时报错

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