海光 DCU 运维（ROCm/DCU 驱动 + Device Plugin 部署与验证）

一、背景

海光 DCU（深算系列）是类 ROCm 的国产 GPGPU，常用于大模型推理。在 K8s 中用 DCU 同样需要驱动 + 设备插件 + ROCm 容器镜像的适配。

二、环境信息

• 节点：Kylin x86_64 + 海光 DCU Z100
• 软件栈：DCU 驱动（ROCm 系）/ dtk 工具包

三、操作要点

1. 安装 DCU 驱动

# 依厂商文档安装 dkms / rocm-dkms
dkms status        # 确认 dcuz 模块编译加载
rocm-smi           # 确认 DCU 可见

2. 部署 DCU Device Plugin

kubectl apply -f https://raw.githubusercontent.com/ROCm/k8s-device-plugin/master/ascend... # 海光自有 device-plugin
# 注册资源 hygon.com/dcu

3. 使用 DCU

resources:
  limits: { hygon.com/dcu: 1 }

容器镜像基于 ROCm 基础镜像：image: rocm/pytorch:latest。

四、验证方式

rocm-smi
kubectl get nodes -o json | jq '.items[].status.allocatable["hygon.com/dcu"]'
kubectl exec -it dcu-pod -- rocm-smi

五、常见问题

• 内核版本敏感：ROCm/DCU 对内核版本要求严格，dkms 编译失败需换匹配内核
• 驱动与 dtk 版本：必须配套，错配算子报错
• device plugin 注册失败：驱动未加载或插件配置错误
• 镜像基础：必须用 ROCm/DCU 基础镜像，普通 CUDA 镜像不可用
• 多卡互联：注意 DCU 间高速互联拓扑，调度尽量聚合