Kubernetes v1.36, Dynamic Resource Allocation (DRA) tarafında bugüne kadarki en kapsamlı güncellemelerden birini getirdi. Prioritized list özelliği stable oldu; extended resource desteği, partitionable devices, device taints, binding conditions ve resource health status beta’ya geçti. Bunlara ek olarak CPU ve bellek gibi node kaynaklarını DRA ile yönetmeyi hedefleyen yeni alpha özellikler geldi.
Bu yazıda DRA’nın neden önemli olduğunu, v1.36’daki her değişikliğin platform ekibine pratikte ne kazandırdığını ve geçişe nasıl başlayacağınızı ele alıyoruz.
DRA nedir, device plugin modelinden farkı ne?
Kubernetes uzun süre özel donanımı device plugin ve extended resource modeliyle yönetti. Bu modelde bir pod nvidia.com/gpu: 1 gibi bir sayı ister; scheduler yalnızca o node’da kaç adet boş kaynak kaldığını bilir. Hangi model GPU, ne kadar bellek, hangi PCI topolojisi gibi ayrıntılar scheduler’ın görüş alanının dışında kalır.
DRA bu yaklaşımı değiştiriyor. Sürücüler, donanımı öznitelikleriyle birlikte ResourceSlice nesneleri olarak yayımlıyor. İş yükü ise ihtiyacını bir ResourceClaim ile tarif ediyor: “en az 40 GB belleği olan bir GPU” ya da “aynı PCIe kökünü paylaşan bir GPU ile bir ağ kartı” gibi. Scheduler bu tarifi CEL ifadeleriyle değerlendirip uygun cihazı seçiyor. Sonuç: daha az el ile node pool ayrımı, daha yüksek donanım kullanımı ve daha öngörülebilir yerleşim.
v1.36’da kararlı ve beta’ya geçen özellikler
| Özellik | Durum | Ne çözüyor? |
|---|---|---|
| Prioritized list | Stable | Sıralı yedek cihaz tercihi (H100 yoksa A100) |
| Extended resource support | Beta | Eski pod tanımlarıyla DRA’ya kademeli geçiş |
| Partitionable devices | Beta | Fiziksel hızlandırıcıyı mantıksal parçalara bölme (MIG benzeri) |
| Device taints ve tolerations | Beta | Arızalı ya da ayrılmış cihazı tahsisten çıkarma |
| Device binding conditions | Beta | Cihaz hazır olmadan pod’un node’a bağlanmasını engelleme |
| Resource health status | Beta | Cihaz sağlığını pod status içinde gösterme |
Prioritized list: donanım çeşitliliğiyle barışmak
Çoğu kümede tek tip donanım yoktur. Prioritized list ile belirli bir modeli sabitlemek yerine sıralı bir tercih listesi tanımlıyorsunuz. Scheduler istekleri sırayla değerlendiriyor; ilk tercih mevcut değilse bir sonrakine geçiyor. Bu, pahalı en üst model için kuyrukta bekleyen işlerin bir alt modelde hemen çalışabilmesi demek.
apiVersion: resource.k8s.io/v1
kind: ResourceClaimTemplate
metadata:
name: gpu-tercihli
spec:
spec:
devices:
requests:
- name: gpu
firstAvailable:
- name: h100
deviceClassName: gpu-h100.example.com
- name: a100
deviceClassName: gpu-a100.example.com
Extended resource support: geçişin köprüsü
Uygulama ekiplerinin pod tanımlarını bir gecede değiştirmesi gerçekçi değil. Bu özellik, pod’ların hâlâ klasik extended resource sözdizimiyle (resources.limits) istek yapabilmesini, ama tahsisin arka planda DRA sürücüsü tarafından yapılmasını sağlıyor. Platform ekibi kümeyi DRA’ya taşırken geliştiriciler ResourceClaim API’sine kendi takvimleriyle geçebiliyor.
Partitionable devices: tek kartı paylaştırmak
Her iş yükü bir GPU’nun tamamına ihtiyaç duymaz. Partitionable devices, fiziksel hızlandırıcıyı iş yükü talebine göre dinamik olarak daha küçük mantıksal örneklere bölmeyi DRA’nın doğal parçası hâline getiriyor. Çıkarım (inference) servisleri, notebook ortamları ve küçük eğitim işleri gibi kartın bir bölümünü kullanan iş yüklerinde aynı fiziksel donanımdan çok daha fazla pod beslenebiliyor.
Device taints: node değil, cihaz düzeyinde kontrol
Node’ları taint’lemek tanıdık bir pratik; şimdi aynısını tek tek cihazlar için yapabiliyorsunuz. Arızalı bir GPU’yu taint’leyip normal claim’lerin onu almasını engelleyebilir ya da belirli kartları bir araştırma ekibine ayırabilirsiniz. Bu cihazları yalnızca eşleşen toleration’a sahip pod’lar talep edebiliyor. Böylece bir kart arızalandığında bütün node’u devre dışı bırakmak zorunda kalmıyorsunuz.
Binding conditions ve resource health
Binding conditions, scheduler’ın bir pod’u node’a bağlamayı, takılabilir cihaz ya da FPGA gibi harici kaynaklar tamamen hazır olana kadar ertelemesini sağlıyor. Erken atama yüzünden başlayamayan pod’lar azalıyor. Resource health status ise cihaz sağlığını doğrudan pod status’unda, okunabilir mesajlarla gösteriyor. Bir donanım arızasını teşhis etmek için sürücü log’larına dalmanız gerekmiyor.
Alpha olarak gelen yeni yetenekler
Aşağıdaki özellikler varsayılan olarak kapalı feature gate’lerin arkasında. Üretimde değil, test kümelerinde denemek için uygunlar:
- Workload’lar için ResourceClaim desteği: ResourceClaim’leri PodGroup’larla ilişkilendirerek büyük ölçekli AI/ML işlerinde bir claim’i paylaşabilen pod sayısı sınırını kaldırıyor.
- Node allocatable kaynakları: CPU ve bellek gibi standart kaynakları DRA’nın yerleşim, NUMA farkındalığı ve önceliklendirme semantiğiyle yönetmenin ilk adımı.
- Resource pool status: Bir
ResourcePoolStatusRequestile sürücü havuzlarındaki toplam, tahsisli, boş ve kullanılamaz cihaz sayılarının anlık görüntüsünü alma. Kapasite planlama panoları için önemli. - Cihaz meta verisinin konteynerde keşfi: Sürücülerin PCI adresi gibi bilgileri konteynere standart yollarda, sürümlü JSON dosyaları olarak sunması.
- Deterministik cihaz seçimi ve liste tipli öznitelikler: Seçim sırasının öngörülebilir olması ve CEL’de yeni
includes()fonksiyonu.
Küçük ekip mi, kurumsal platform mu?
Tek ekip, az sayıda GPU: Henüz device plugin ile sorunsuz çalışıyorsanız acele etmeyin. Önce kullanım kalıbınızı netleştirin. Yine de prioritized list tek başına kuyrukta bekleme süresini kısaltabileceği için değerlendirmeye değer.
Birden fazla ekibin paylaştığı kümeler: DRA’nın asıl değeri burada ortaya çıkıyor. Device taints ile ekiplere donanım ayırmak, partitionable devices ile pahalı kartları bölmek ve resource pool status ile kapasiteyi görünür kılmak doğrudan maliyet ve kullanım oranına yansıyor.
Geçişe nasıl başlanır?
- Sürücü desteğini kontrol edin: Donanım üreticinizin DRA sürücüsünün olup olmadığını ve hangi özellikleri desteklediğini doğrulayın. Ekosistem GPU’ların ötesine, ağ kartları gibi donanımlara da genişliyor.
- Yönetilen hizmet sürümünü takip edin: AKS, EKS veya GKE kullanıyorsanız v1.36’nın ve ilgili feature gate’lerin ne zaman açıldığını sağlayıcınızın sürüm notlarından izleyin.
- Extended resource köprüsüyle başlayın: Kümeyi DRA’ya taşıyın, uygulama tanımlarını değiştirmeden çalıştırın, ardından ekipleri ResourceClaim’e kademeli olarak geçirin.
- Gözlemlenebilirliği kurun: Resource health status ve kapasite metriklerini mevcut izleme altyapınıza bağlayın.
Sıkça Sorulan Sorular
DRA, device plugin’lerin yerini alıyor mu?
Uzun vadede DRA, özel donanım tahsisinin standart yolu olmaya aday. Ancak extended resource desteği sayesinde mevcut pod tanımları çalışmaya devam ediyor; geçiş zorunlu ve ani değil, kademeli.
Prioritized list hangi durumda işe yarar?
Kümede birden fazla donanım modeli varsa ve iş yükü bunlardan birinde de çalışabiliyorsa. Tercih sırasını belirtirsiniz; scheduler ilk uygun cihazı seçer ve iş, en üst model boşalana kadar beklemez.
Partitionable devices GPU’yu güvenli biçimde paylaştırır mı?
Özellik, MIG gibi donanım düzeyinde bölünebilen hızlandırıcıların DRA üzerinden dinamik olarak parçalanmasını sağlıyor. Yalıtımın düzeyi donanımın bölme yeteneğine ve sürücüye bağlı; sürücü belgelerini kontrol edin.
Alpha özellikleri üretimde kullanmalı mıyım?
Hayır. Alpha özellikler varsayılan olarak kapalı ve API’leri değişebilir. Test kümelerinde deneyip geri bildirim vermek için uygunlar.
Kaynaklar ve İleri Okuma
Kubernetes v1.36: More Drivers, New Features, and the Next Era of DRA — Kubernetes Blog
Kubernetes v1.36 Sürüm Duyurusu
DRA Features — Kubernetes Belgeleri
Bu içerik işinize yaradı mı?
Benzer içerikleri kaçırmamak için YouTube ve GitHub hesaplarımı takip edin.





GPU paylaşımı konusunda şimdiye kadar hep node seviyesinde takılıp kaldık, DRA gerçekten büyük bir adım gibi görünüyor. Peki pratikte birden fazla iş yükünün aynı GPU’yu kullandığı senaryolarda izolasyon nasıl sağlanıyor, bunu merak ettim. Bu arada vektör ve yapay zeka tarafındaki gelişmeleri takip ediyorsanız şu yazı da ilginizi çekebilir: https://www.askinkilic.com.tr/azure-sqlde-aigenerateembeddings-ga-t-sql-ile-vektor-devri/
DRA ile GPU paylaşımı meselesi epeydir kafamı kurcalıyordu, node seviyesinde kalmanın ne kadar kısıtlayıcı olduğunu production’da acı acı öğrendik. Bu değişiklik özellikle çok kiracılı ortamlarda ciddi fark yaratır mı acaba, biraz daha derinlemesine bir örnek görmek isterdim.
GPU maliyetleri gerçekten can sıkıcı bir mesele, DRA ile kapasite kullanımının daha verimli hale gelmesi büyük fark yaratabilir. Peki mevcut cluster’larda DRA’ya geçiş ne kadar zahmetli oluyor, bunu merak ediyorum. Bu arada yapay zeka altyapısı tarafıyla ilgilenenler için şu yazınız da konuyu güzel tamamlıyor: Azure Cosmos DB ile Kurumsal Yapay Zekâ: Ölçek Meselesi — https://www.askinkilic.com.tr/azure-cosmos-db-ile-kurumsal-yapay-zek-olcek-meselesi/
GPU maliyetleri zaten had safhada, DRA ile gerçekten daha verimli kullanım sağlanabilirse büyük fark yaratır. Peki paylaşım sırasında izolasyon tarafı nasıl çalışıyor, bir pod diğerinin performansını etkiliyor mu?