HAMi 是一款面向异构 GPU 资源池化和调度的智能平台。为了帮助用户根据不同环境和需求灵活配置，HAMi 的调度器与设备插件均支持丰富的启动参数。本文将系统介绍各项参数及其默认行为，帮助用户快速上手并优化部署。
注意：本篇文章是基于当前 master 分支上的，参数可能会更新变化
调度器启动参数
HAMi 调度器组件支持以下启动配置：
—http_bind
指定 HTTP 服务器绑定地址，默认为 127.0.0.1:8080。
—cert_file
配置 TLS 证书文件路径，开启 HTTPS 通信时使用。
—key_file
配置 TLS 密钥文件路径，与 cert_file 配合使用。
—scheduler-name
指定调度器名称，会写入 pod.spec.schedulerName 字段。若为空，使用默认 Kubernetes 调度器。
—default-mem
Pod 未指定时，默认为其分配的 GPU 设备内存大小。
—default-cores
Pod 未指定时，默认为其分配的 GPU 核心利用率（百分比）。
—default-gpu
Pod 未指定时，默认分配的 GPU 数量，默认为 1。
—node-scheduler-policy
节点调度策略，默认为 “binpack”，即尽量将资源集中部署。
—gpu-scheduler-policy
GPU 调度策略，默认为 “spread”，即尽量将负载在 GPU 间分散。
—metrics-bind-address
Prometheus 指标采集接口的绑定地址，默认为 :9395。
—node-label-selector
基于节点标签进行选择，多个键值对用逗号分隔。
—kube-qps
与 kube-apiserver 通信的每秒请求数 (QPS)，默认为 5.0。
—kube-burst
突发模式下允许的最大请求数量，默认为 10。
—kube-timeout
与 kube-apiserver 通信的超时时间（秒），默认为 30。
—profiling
是否通过 HTTP 服务器启用 pprof 性能分析，默认为 false（关闭）。
设备插件启动参数
HAMi 的 NVIDIA 设备插件支持以下启动配置：
基本设备参数
—node-name
当前节点名称，默认从环境变量自动读取。
—device-split-count
单块 GPU 分割出的虚拟设备数量，默认为 2。
—device-memory-scaling
GPU 内存缩放比例，默认为 1.0，即无缩放。
—device-cores-scaling
GPU 核心缩放比例，默认为 1.0。
—disable-core-limit
设置后将忽略 GPU 核心利用率限制，默认为 false。
—resource-name
容器中声明 GPU 资源使用的字段名，默认为 “nvidia.com/gpu”。
高级功能参数
—mig-strategy
针对支持 MIG（Multi-Instance GPU）技术的设备，公开资源的策略。选项包括：
- none（默认）：不使用 MIG；
- single：每个 MIG 实例作为一个单独 GPU 设备；
- mixed：混合管理模式。
—fail-on-init-error
初始化出错时是否终止插件运行，默认为 true（严格模式）。
—nvidia-driver-root
NVIDIA 驱动程序的根路径，默认为 /。
—pass-device-specs
Allocate() 时是否将 DeviceSpecs 列表传递给 kubelet，默认为 false。
—device-list-strategy
向运行时传递设备列表的方式，支持：
- envvar（默认）：通过环境变量；
- volume-mounts：通过挂载卷；
- cdi-annotations：通过容器描述注释 (CDI)。
—device-id-strategy
设备 ID 传递方式，支持：
- uuid（默认）：使用唯一 ID；
- index：使用索引编号。
—gds-enabled
确保容器启动时启用 GDS（GPU Direct Storage）。
—mofed-enabled
确保容器启动时启用 MOFED（Mellanox OpenFabrics）。
—config-file
指定配置文件路径，可替代命令行参数或环境变量配置。
—cdi-annotation-prefix
CDI 注释键的前缀，默认为预设值。
—nvidia-ctk-path
生成 CDI 规范时使用的 nvidia-ctk 工具路径。
—container-driver-root
容器内部挂载的 NVIDIA 驱动程序目录路径，用于 CDI 规范。
—v
日志详细级别，默认为 0，数值越大，日志越详细。
小结
HAMi 的启动参数设计兼顾了灵活性与安全性，允许用户根据集群规模、硬件能力、调度需求以及监控策略，进行细粒度调优。
无论是单节点测试还是大规模生产环境部署，合理配置上述参数，都能帮助用户最大化利用 GPU 资源，提升整体调度效率和系统稳定性。