主流的AI訓練、推理等應用普遍采用容器化方式運行，這類任務對GPU算力需求大，且通常需要短時間內快速申請大量計算資源，并在任務完成后及時釋放，以提升資源利用效率、控制成本。在已經創建云容器引擎集群的基礎上，您可以通過部署虛擬節點（基于VK）來調用彈性容器實例，實現按需、彈性地調度GPU算力資源。

推薦您使用云容器引擎集群對接ECI GPU實例進行彈性擴容，從而高效、靈活地滿足算力擴展需求。以下以擴容L20機型為例，指導您如何通過虛擬節點使用L20 GPU 彈性容器實例。

操作步驟

1. 在彈性容器實例控制臺左側導航欄中選擇“容器組”，進入容器組列表頁。

2. 點擊“創建彈性容器組”，進入彈性容器實例訂購頁，確認 L20 資源可售賣的可用區以及規格名稱。

3. 進入云容器引擎產品控制臺，選擇想要擴容L20 GPU彈性容器實例的集群。

4. 在左側導航欄中選擇“節點”，進入節點列表頁，點擊“創建虛擬節點”。

5. 在創建虛擬節點頁面，選擇第二步中仍未售罄的可用區。

6. 等待虛擬節點狀態正常。

7. 進入工作負載頁面，選擇“新增YAML”，最后點擊“確定”。

通過 annotations 指定 ECI 規格。例如下面的 k8s.daliqc.cn/eci-use-specs: pn8i.4x.large.8

通過 nodeName 指定工作負載調度到虛擬節點。例如下面 nodeName: vnd-4klpjmam8j8hf57m-cn-huadong1-jsnj2a-public-ctcloud

通過 resources 指定工作負載的資源需求。其中，GPU指定為 daliqc.cn/gpu: 1

apiVersion: apps/v1
kind: Deployment
metadata:
  name: cuda-l20
  namespace: default
  labels:
    app: cuda
spec:
  replicas: 1
  selector:
    matchLabels:
      app: cuda
  template:
    metadata:
      annotations: 
        k8s.daliqc.cn/eci-use-specs: pn8i.4xlarge.8
      labels:
          app: cuda
    spec:
      containers:
      - name: cuda
        image: docker.io/library/cuda:11.4.3-base-ubuntu20.04
        imagePullPolicy: IfNotPresent
        command:
          - /bin/bash
          - '-c'
        args:
          - nvidia-smi -L; sleep infinity
        resources:
          requests:
            memory: "128Gi"
            cpu: "16"
            daliqc.cn/gpu: 1
          limits:
            memory: "128Gi"
            cpu: "16"
            daliqc.cn/gpu: 1
      nodeName: vnd-4klpjmam8j8hf57m-cn-huadong1-jsnj2a-public-ctcloud

8. 等待工作負載 Running。