Kubernetes 上构建 AI 基础设施全景实践
—— GPU 治理 · 推理平台 · 模型治理 · LLM 高并发实战
在 Kubernetes 上构建 AI 基础设施，GPU 治理 / 推理平台 / 模型治理并不是孤立组件，而是一个强耦合的系统工程。
其核心目标只有一句话：
用最少的 GPU 成本，稳定支撑可规模化的 AI 服务。
一、整体技术架构分层（增强版）
底层：GPU 资源治理
GPU 调度 / 隔离 / MIG
共享 / Time-Slicing / DRA
GPU & 网络健康监控
中层：推理平台 & 流量治理
vLLM 推理池
Kthena Router
Prompt-aware 调度
KV Cache 治理
自动扩缩容 & 冷启动优化
顶层：模型治理 & 安全 & SLA
模型版本 / 合规 / 审计
访问控制 / Guardrails
成本 / SLA / 输出漂移监控
二、底层：GPU 资源治理（补强版）
2.1 精细化调度与隔离（必做）
# GPU 节点打标签 kubectl label node gpu-node-1 accelerator=nvidia-a100 # GPU 节点加污点 kubectl taint node gpu-node-1 nvidia.com/gpu=present:NoSchedule# 推理 Pod 容忍 GPU 污点 tolerations: - key: "nvidia.com/gpu" operator: "Exists" effect: "NoSchedule"👉结论：
GPU 节点必须专用，这是所有 AI 平台稳定性的前提。
2.2 GPU 共享与超配（推理必备）
| 技术 | 适用场景 |
|---|---|
| MIG | 强隔离、稳定 SLA |
)