一、模块定位
qGPU 多卡互联旨在解决单张共享 GPU 卡算力或显存不足的瓶颈。通过在 Pod 声明中设置超过 100 的算力值，系统将自动为容器分配多张物理 GPU 卡的切片资源，并保证资源在多卡间均分，提供更强的算力聚合能力。
二、限制说明
·TKE 组件：qGPU 组件需升级至 v1.1.1 及以上版本。
·卡数限制：PoC 版本目前最大支持2张卡互联。
·分配逻辑：算力与显存会在分配的多张卡之间均分。若无法整除，系统将向下取整。
三、工作原理
当用户请求的 tke.cloud.tencent.com/qgpu-core 数值超过 100 时，插件会自动均分所需的物理卡数量。示例如下：
| 填写的总配置 | 实际分配结果 | 说明 |
| core=160, memory=60 | 2 张卡，每张卡 80 算力, 30G 显存 | 均分 160/2=80, 60/2=30 |
| core=121, memory=31 | 2 张卡，每张卡 60 算力, 15G 显存 | 向下取整：121/2=60.5 -> 60, 31/2=15.5 -> 15 |
四、应用示例
使用以下 YAML 创建工作负载，申请 2 张共享 GPU 卡（总计 160% 算力和 60GB 显存）：
apiVersion: v1kind: Podmetadata: name: qgpu-multi-card-demospec: containers: – name: test-container image: nvidia/cuda:11.0-base resources: limits: tke.cloud.tencent.com/qgpu-core: "160" # 申请 160 算力（自动触发 2 张卡） tke.cloud.tencent.com/qgpu-memory: "60" # 申请 60GB 显存
五、使用说明
如果节点已经安装 qGPU 模块，为避免影响存量业务，gpu-manager Pod 在启动时会跳过安装步骤。升级存量节点的 qGPU 模块，需参考以下步骤：
1. 在 TKE 控制台组件管理页面升级 qGPU 组件到最新版本。
注意：说明：
注意：从 v1.1.1 版本起，默认安装的 qGPU 内核版本与组件版本绑定，使用高版本内核模块，需升级组件。
2. 封锁节点，迁移使用 qGPU 的业务 Pod。
3. 登录节点执行以下命令卸载 qGPU 模块，然后删除该节点上 qgpu-manager Pod，自动重建的 Pod 启动时安装新的 qGPU 模块。
# 卸载已安装的qgpu模块rmmod qgpu
4. 在节点执行命令查看 qgpu 版本， 确认 qGPU 模块安装成功。
# 确认版本 >= 3.0.5cat /proc/qgpu/version
5. （可选）创建测试 Pod，验证功能。
6. 解封节点。
7. （滚动升级）逐个节点执行步骤 2 ~ 6。