占位容器如何借助CRIU恢复GPU工作负载
AI 总结
一篇根据仓库实现整理的技术文章说明,Kubernetes恢复Pod如何以惰性占位容器维持Linux命名空间,再由智能体通过CRIU恢复捕获进程。文章区分了轻量占位镜像与占位进程,并介绍CUDA状态恢复、多容器映射、调度预检、清理和完成信号等机制。
深度见解
这种设计使恢复后的业务进程无需重新执行原入口,从而避免再次初始化并加载另一份模型,同时避免与恢复进程争用GPU资源。
[snapshot]7-placeholder与恢复流程
对照仓库实现(agent/Dockerfile 的 placeholder target、api/podcontract、agent/internal/controller、executor、nsmount、cmd/nsrestore)整理。总览见 [snapshot0-snapshot介绍]。
结论先说: placeholder 的唯一职责就是给 Restore 当落点。它不是 dump 工具,也不跑业务初始化。Capture 拍的是源 Pod;Restore 需要一个已经调度好、命名空间还活着、但进程尽量什么都不做的容器,agent 再把快照灌进去。
1. 两个容易混的「placeholder」
日常说 placeholder,其实叠了两层。编 agent 镜像时看到的那个,和恢复 Pod 里跑着的那个,不是同一件事。