AICR 1.0: открытые рецепты и проверка GPU-кластеров в Kubernetes

В GPU-кластере на Kubernetes десятки компонентов — ядро хоста, драйвер, контейнерный рантайм, сеть, storage, операторы и фреймворки нагрузок — живут на разных циклах релизов. Связка, которая держалась на одном сервисе, поколении GPU и версии K8s, на другой часто отваливается без явной ошибки в логах деплоя, а искать конфликт версий уже после выката долго и муторно. NVIDIA AI Cluster Runtime (AICR) вышел в v1.0: открытые рецепты с зафиксированными версиями, артефакты под Helm, Argo CD, Flux или Helmfile и проверка живого кластера с подписанным evidence.

Рецепт фиксирует сочетание компонентов, которое уже гоняли на железе. В дашборде его ищут по сервису, GPU, ОС, intent нагрузки и платформе, затем смотрят статус и опубликованные доказательства. Сам runtime кластер не меняет: reconcile по-прежнему делают ваш CD-инструмент, AICR только сверяет результат с рецептом — тот же intent можно отрендерить под Argo CD, Helm или Flux без смены задуманной конфигурации.

Четыре независимых слоя

• Snapshot — снимок фактического состояния кластера.
• Recipe — желаемая конфигурация с pinned-версиями и фазами проверки.
• Bundle — артефакты под выбранный деплой-инструмент.
• Validation — сравнение с рецептом, при необходимости conformance и performance checks.

Релиз 1.0 закрепляет контракт совместимости для публичных интерфейсов: CLI aicr, REST API aicrd, Go-пакет github.com/NVIDIA/aicr/pkg/client/v1 и схемы bundle-артефактов — с merge-blocking проверками до merge. Ломающие изменения стабильных API потребуют нового major. Те же рецепты уже тянут Pulumi Labs и k0rdent от Mirantis; в проекте больше 100 контрибьюторов, почти половина — вне NVIDIA.

Источник: AICR v1.0: Open, stable, and verifiable GPU cluster configuration.