📖 AI 总结

NVIDIA 发布开源项目 NodeWright，一个 Kubernetes 原生的包管理器，用于以声明式方式配置和更新 GPU 集群的主机操作系统，同时避免中断正在运行的工作负载。该工具通过 Operator 在节点上按序执行 cordon、等待关键 Pod、drain、应用软件包、必要时中断及 uncordon 等操作，并遵循 PodDisruptionBudget 和不可中断工作负载标签。其 DeploymentPolicy 资源支持按固定、线性或指数批次策略在集群分区中渐进式部署，并可配置成功与失败阈值。软件包可处理内核参数调优、CVE 修复、安全代理安装和崩溃转储配置等主机级操作，并内置校验机制。NodeWright 与 NVIDIA AI Cluster Runtime、NVCRE 和 NVSentinel 集成，解决 GPU 节点因硬件稀缺、训练任务难以迁移而无法随意替换的运维难题，将变更单位从单节点提升至整个集群。