该实践来自于客户的一个真实需求

1. 客户需求

客户的某些流水线需要使用GPU资源，但是对于GPU服务器而言，会有多张GPU显卡，而客户只需要将runner的资源调度在其中的一张或者多张显卡，而不是占用整个GPU服务器的显卡资源。

2. 需求调研

• 通过查看runner的相关文档，对于runner使用GPU资源而言，本身runner是不需要做任何配置的，详见说明 [GPU]
  (https://docs.gitlab.com/runner/configuration/gpus.html)。
• 关于GPU（主要针对的英伟达），可以通过 NVIDIA_VISIBLE_DEVICES 环境变量来控制，进行制定数量GPU显卡资源的调度。
• 针对runner的执行器为 kubernetes 类型而言，可以通过spec的配置注入机制来实现将部分配置聚合在runner 拉起的pod中，从而实现资源的控制，该技术本身是基于k8s的原理来实现的。

3. 实践

3.1 方案一：环境变量的方式

gitlab runner的配置文件调整如下：

  config: |[[runners]]environment = ["FF_USE_ADVANCED_POD_SPEC_CONFIGURATION=true","NVIDIA_VISIBLE_DEVICES=0"]

说明：

• 对于多张显卡而言，总是从0..n，因此这里的 0 指的是第一张显卡，也就是说runner的作业拉起pod后，会占用第一张显卡。
• 如果要使用多张显卡，可以参考NVIDIA_VISIBLE_DEVICES 的详细配置。

3.2 方案二：k8s 自身的spec注入机制

相比于方案一，方案二要更灵活一下，但是需要开启 FF_USE_ADVANCED_POD_SPEC_CONFIGURATION flag。具体的配置调整如下：

config: |[[runners]]environment = ["FF_USE_ADVANCED_POD_SPEC_CONFIGURATION=true"][runners.kubernetes]namespace = "{{.Release.Namespace}}"image = "alpine"pull_policy = ["if-not-present"][runners.kubernetes.node_selector]"nvidia.com/gpu.present" = "true"[[runners.kubernetes.pod_spec]]name = "cpu limit"patch = '''containers:- name: buildresources:limits:nvidia.com/gpu: 1'''patch_type = "strategic"

patch_type说明：

• strategic：Kubernetes 的 战略合并 Patch，可以在不破坏原始 YAML 结构的前提下进行合并和修改（推荐）。
• json：使用 JSON Patch 格式来修改资源。
• merge：简单的合并 Patch。

4. 效果

调整前

调整后