| 号 | 方案类型 | 代表产品 | 方案概述 | 优势 | 劣势 |
| 1 | Mdev框架 | vGPU | 属于时分的共享产品。它通过vfio-mdev提供了一个隔离性非常高的的硬件环境，主要面向的是虚拟机产品。其共享模块在Nvidia driver之下 |
来自NVIDIA官方，可靠性和安全性高 | 不支持容器，虚拟机在使用上不灵活；无法动态调整资源比例；有一定的共享损耗；无法定制化开发需要购买license授权 |
| 2 | CUDA聚合 | MPS | MPS是Nvidia官方推出的GPU共享组件，属于空分。它通过将多个任务合并成一个context共享GPU算力，所有任务共同使用显存。它位于Cuda driver API和Nvidia Driver之间。 |
性能最优在多任务共享的场景下，当任务使用的资源可同时被满足，JCT基本没有影响 | 错误互相影响，如果一个任务退出（包括被使用者停止和任务本身出错等），如果该任务正在执行kernel，那么和该任务共同share IPC和UVM的任务也会一同出错退出，无法在开发训练场景上大规模使用；没有显存隔离，只能粗略限制资源无法定制化开发 |
| 3 | MIG | MIG | 硬件级虚拟化，对物理卡上能用的物理资源进行切分，这些资源包括：系统通道、控制总线、算力单元（TPC）、全局显存、L2 cache、数据总线等；然后将分块后的资源重新组合，让每个切分后的子GPU 能够做到数据保护、故障隔离独立、服务稳定。 | 1）k8s高版本原生支持 2）故障隔离稳定 |
1)仅A100等高端卡型支持 2）SM片不能被完全平均分配，存在算力损耗（以A100为例，A100 卡总共有108 SMs，最大可以为7个MIG实例，则每个MIG实例只有14个SM 14*7 = 98 SMs，有10个SM将无法使用） |
| 4 | CUDA劫持 | rCUDA/vCUDA | CUDA劫持是较多方案选择的共享方法，属于时分。它通过劫持对Cuda driver API的调用来做到资源隔离。共享模块一般位于在Cuda driver API之上。 |
1）支持GPU远程调用 2）API开源，是非NVIDIA官方技术人员能够较容易实现的共享技术 |
1）远程调用存在带宽性能的损耗 2）CUDA库升级活跃，当CUDA库升级时，劫持方案也需要不断适配，损耗人力； 3）难以覆盖所有场景，隔离不一定准确； 4)安全性低，用户可以绕过限制； 5)对用户有少量影响，需要适配； 6)无法提供算力精准限制的能力 |
| 5 | 内核劫持 | mGPU | 属于时分，通过新的内核驱动模块，为容器提供了虚拟的GPU设备，劫持了对Nvidia driver的调用。它可以严格限制显存，通过时间片的方式限制算力。它位于Cuda driver API和Nvidia Driver之间。 | 安全性高共享损耗小NVIDIA Driver的更新更少，适配需求小 | OS有一定依赖；研发困难，对开发要求高资源碎片化 |
原创文章，作者：AIRF，如若转载，请注明出处：http://www.ai-rf.com/index.php/2023/08/03/gpu%e5%8d%a1%e8%99%9a%e6%8b%9f%e5%8c%96%e6%8a%80%e6%9c%af%e7%9a%84%e4%bc%98%e5%8a%a3%e5%8a%bf%e5%af%b9%e6%af%94/
