在离线环境中为Kubernetes集群添加GPU支持是一个常见的需求，特别是在涉及到机器学习、深度学习等需要大量计算资源的应用场景中。本文将介绍如何在离线环境中为K8S集群添加GPU支持，包括详细的步骤和示例代码。

### 整体流程

下表展示了在离线环境中为K8S集群添加GPU支持的整体流程：

| 步骤 | 操作 |
| ---- | ---- |
| 1. 准备GPU节点 | 确保每个节点都配备了合适的GPU并启用了NVIDIA驱动 |
| 2. 安装NVIDIA容器运行时 | 在每个节点上安装NVIDIA Container Runtime |
| 3. 配置Kubernetes | 修改Kubernetes配置以支持GPU资源 |
| 4. 创建GPU资源 | 创建支持GPU的Pod |

### 步骤操作

#### 1. 准备GPU节点

确保你的Kubernetes集群中的每个节点都配备了合适的NVIDIA GPU，并已经安装并启用了对应的NVIDIA驱动。

#### 2. 安装NVIDIA容器运行时

在每个节点上执行以下步骤以安装NVIDIA容器运行时：

```bash
# 添加NVIDIA runtime的安装源
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(. /etc/os-release; echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list

# 更新源并安装NVIDIA runtime
sudo apt-get update
sudo apt-get install nvidia-container-runtime
```

#### 3. 配置Kubernetes

将以下配置添加到Kubernetes集群中的每个节点上：

```yaml
apiVersion: v1
kind: Config
clusters:
- cluster:
name: "docker-desktop"
contexts:
- context:
cluster: "docker-desktop"
user: ""
namespace: "default"
current-context: "docker-desktop"
users: []
```

#### 4. 创建GPU资源

创建一个支持GPU的Pod，示例如下：

```yaml
apiVersion: v1
kind: Pod
metadata:
name: gpu-pod
spec:
containers:
- name: gpu-container
image: nvidia/cuda
resources:
limits:
nvidia.com/gpu: 1
```

其中，`nvidia.com/gpu: 1` 表示此容器需要使用1个GPU资源。

### 总结

通过以上步骤，你已经成功地为离线环境中的Kubernetes集群添加了GPU支持。在实际应用中，你可以根据需要调整GPU资源的分配及使用方式，以充分利用GPU带来的计算加速。希望这篇文章对你有所帮助，祝你在GPU加速的道路上一帆风顺！