IT 面试题库

Kubernetes 集群中 GPU Pod 长时间处于 Pending 状态,请给出排查思路和常见原因

中级故障排查题公有云售后技术支持KubernetesGPUPending调度

题目

Kubernetes 集群中 GPU Pod 长时间处于 Pending 状态,请给出排查思路和常见原因

参考答案

内容深度:适中 · 无代码示例 · 来源:AI 生成 · 未复核 · 近 7 天更新

排查思路:

  1. 查看 Pod 事件:kubectl describe pod <pod> -n <ns>,确认是否为 GPU 资源不足。
  2. 检查节点 GPU 容量与分配:kubectl describe node <node> | grep -i nvidia.com/gpu 或 kubectl get nodes -o custom-columns=NAME:.metadata.name,GPU_ALLOC:.status.allocatable.nvidia\.com/gpu,GPU_CAP:.status.capacity.nvidia\.com/gpu。
  3. 检查 device plugin:kubectl get pods -n kube-system | grep nvidia-device-plugin,登录节点执行 nvidia-smi 验证驱动和 GPU 是否健康。
  4. 检查节点污点:kubectl describe node <node> | grep Taints,确认是否缺少对应容忍。
  5. 检查 namespace 是否设置了 ResourceQuota 限制 GPU 资源。
  6. 检查 Pod 是否指定了 nodeSelector / 亲和性,且标签与 GPU 节点不匹配。

常见根因:

练这道题

同分类 · 高频题

题目与答案就在本页;收藏、批注和错题重练在应用内

这道题看完了?连刷同类题,趁热打铁效果最好 进入刷题