MOFFETT SPU Operator 用户手册

MOFFETT SPU Operator 基于 Kubernetes Operator Framework，是 Kubernetes 环境下统一管理稀疏处理单元 SPU（Sparse Processing Unit）相关组件部署、配置与生命周期的控制器，管理以下 SPU 配套组件：

容器化 SOLA 驱动
Container Toolkit
Device Plugin
SPU Feature Discovery（SFD）
DCSM Exporter
Node Status Exporter

各组件的职责参见云原生组件概述。

准备环境

在部署 SPU Operator 之前，确保满足以下系统及工具要求：

部署可用的 Kubernetes 集群，详见使用部署工具安装 Kubernetes。
安装 Kubernetes 命令行工具 kubectl，详见安装工具 - kubectl。
安装 Helm，详见 Installing Helm。

部署

获取安装包

wget https://moffett-oss-bucket.tos-cn-shanghai.volces.com/macs/v1.14/spu-operator/spu-operator-v1.4.0.tgz

默认部署

Helm Chart 默认部署 Node Feature Discovery（NFD），用于节点特性发现和标签发布；SFD 默认开启。部分节点已预装 SOLA 驱动时，无需额外配置；Operator 检测到已有驱动后，会跳过该节点的容器化驱动部署，其余组件按配置部署。

helm install spu-operator -n moffett-spu-operator --create-namespace spu-operator-v1.4.0.tgz

安装后，按部署后验证检查结果。

自定义部署

SPU Operator 支持通过 Helm 自定义参数选择以下任一方式安装，其中各配置项说明详见配置参考。

使用 --set 配置参数

helm install spu-operator -n moffett-spu-operator --create-namespace spu-operator-v1.4.0.tgz --set <option-name>=<option-value>

使用 values.yaml 配置

helm show values spu-operator-v1.4.0.tgz > values.yaml # 导出默认配置文件
vim values.yaml # 修改参数配置
helm install spu-operator -n moffett-spu-operator --create-namespace spu-operator-v1.4.0.tgz -f values.yaml

须知

请保留此 values.yaml 文件，后续更新配置时可直接复用。

常见部署场景

以下部署场景适用于包含 SPU 节点的 Kubernetes 集群。

排除部分 SPU 节点

默认情况下，SPU Operator 会在检测到 SPU 的工作节点上部署已启用的配套组件，包括驱动、Container Toolkit、Device Plugin、SFD 和监控组件。若需排除特定节点，为该节点设置以下标签：

kubectl label nodes <node> moffett.ai/spu.deploy.operands=false --overwrite

该标签可在执行 helm install 前设置，以跳过该节点上配套组件的初始部署；也可在部署完成后设置，SPU Operator 将自动移除该节点上受此标签控制的组件。将标签值改回 true 可恢复已启用组件的部署。该标签不控制 NFD 或 Operator 控制器自身的调度。

如需单独控制特定组件在某节点的部署，可使用对应的组件级标签，详见节点标签。可执行以下命令查询节点上的标签信息：

kubectl get node                 # 查看节点 NAME
kubectl describe node <name>     # 查看 Labels 字段下的标签信息

所有节点的驱动自行维护

所有节点均已安装 SOLA 驱动，且自行维护时，设置 driver.enabled=false，由 Operator 管理其余组件：

helm install spu-operator -n moffett-spu-operator --create-namespace spu-operator-v1.4.0.tgz --set driver.enabled=false

部署后验证

SPU Operator 部署完成后，检查已启用组件的运行状态和功能。

验证组件状态

须知

受网络环境影响，组件 Pod 可能需要一定时间才能进入 Running 状态。

kubectl get pod -n moffett-spu-operator

确认持续运行的组件 Pod 处于 Running 状态，且 READY 显示所有容器均已就绪。设备申请与访问可按Device Plugin 运行示例验证；已启用监控组件时，按监控指标检查指标输出。

查看设备属性

查看集群中各节点的 SPU 设备数量、内存容量和产品标识：

kubectl get nodes -L moffett.ai/spu.count,moffett.ai/spu.memory,moffett.ai/spu.product

核对目标节点的标签与实际设备信息是否一致，字段含义参见设备属性标签。若未生成预期标签，检查 SFD 和 NFD 的 Pod 状态及日志。

监控指标

SPU Operator 可通过 DCSM Exporter、Operator 自身的 /metrics 接口和 nodeStatusExporter 暴露运行状态指标，并可配合 Prometheus Operator 采集。

不同指标来源的应用如下表所示：

指标来源	指标描述	典型用途
DCSM Exporter 指标	SPU 设备运行时健康与性能数据。	观察设备温度、功耗、利用率、错误信息等运行状态。
Operator 指标	SPU Operator 控制面和协调状态。	观察 SPU 节点数量、协调循环是否成功、是否检测到 NFD 标签。
Node Status Exporter 指标	节点本地驱动与设备发现状态。	判断节点上的 SOLA 驱动是否就绪、驱动验证是否通过、SPU PCI 设备数量是否正常。

DCSM Exporter 指标

SPU Operator 部署的 DCSM Exporter 提供默认采集指标，详见《DCSM Exporter 用户手册》中的可用 DCSM 字段参考。如需采集自定义指标，可通过以下两种方式配置 ConfigMap，并按下文应用变更。

准备自定义指标文件

从当前运行的 dcsm-exporter Pod 中导出默认指标文件，再按需修改：

POD=$(kubectl get pod -n moffett-spu-operator -l app=moffett-dcsm-exporter -o jsonpath='{.items[0].metadata.name}')
kubectl cp moffett-spu-operator/$POD:/etc/dcsm-exporter/default-counters.csv ./dcsm-metrics.csv

编辑 dcsm-metrics.csv，删除不需要的字段或追加需要采集的字段。CSV 文件的字段格式为：DCSM字段名, 类型(gauge/counter/label), 描述。DCSM 字段的详细说明，参见《DCSM Exporter 用户手册》中的可用 DCSM 字段参考。

配置 ConfigMap

以下两种方式二选一，相关配置项详见 DCSM Exporter 配置。示例仅列出需要修改的项：在现有 dcsmExporter.env 中修改或添加 DCSM_EXPORTER_COLLECTORS，保留其他环境变量，不要直接替换整个 env 列表。

方法一：通过文件创建独立 ConfigMap

使用 dcsm-metrics.csv 创建 ConfigMap（名称需与 dcsmExporter.config.name 一致，以下以 custom-dcsm-exporter-metrics 为例）。如需更新，重复执行以下命令即可。

kubectl create configmap custom-dcsm-exporter-metrics \
  --from-file=dcsm-metrics.csv \
  -n moffett-spu-operator \
  --dry-run=client -o yaml | kubectl apply -f -

在 values.yaml 中设置指标文件路径并声明引用该 ConfigMap（create: false）。

dcsmExporter:
  env:
    - name: DCSM_EXPORTER_COLLECTORS
      value: "/etc/dcsm-exporter/dcsm-metrics.csv"
  config:
    name: custom-dcsm-exporter-metrics
    create: false

方法二：在 values.yaml 中定义指标内容

在 values.yaml 的 dcsmExporter 段，将 DCSM_EXPORTER_COLLECTORS 指向 /etc/dcsm-exporter/dcsm-metrics.csv，并在 config.data 中填入完整的 CSV 内容。Helm 将自动创建 ConfigMap 并挂载至容器。

dcsmExporter:
  env:
    - name: DCSM_EXPORTER_COLLECTORS
      value: "/etc/dcsm-exporter/dcsm-metrics.csv"
  config:
    name: custom-dcsm-exporter-metrics
    create: true
    data: |-
      # DCSM FIELD, Prometheus metric type, help message

      # Temperature
      DCSM_FI_DEV_SPU_TEMP, gauge, SPU temperature (in C).

      # Power
      DCSM_FI_DEV_POWER_USAGE, gauge, Power draw (in W).

      # Static configuration information. These appear as labels on the other metrics
      DCSM_FI_DEV_SERIAL,     label, Device Serial Number
      DCSM_FI_DRIVER_VERSION, label, Driver Version

应用变更

将上述配置合入当前 release 的配置，按更新配置应用。等待 Operator 将配置同步到 DaemonSet，再检查其 Pod 模板：

kubectl get daemonset moffett-dcsm-exporter -n moffett-spu-operator -o yaml

确认 spec.template.spec 中 DCSM_EXPORTER_COLLECTORS 的路径、ConfigMap 名称和挂载路径与本次配置一致。确认后，滚动重启 DCSM Exporter，加载新的指标文件：

kubectl rollout restart daemonset/moffett-dcsm-exporter -n moffett-spu-operator
kubectl rollout status daemonset/moffett-dcsm-exporter -n moffett-spu-operator

验证

重启完成后，在集群内查询新 Pod 提供的指标，确认输出内容与自定义指标文件一致，以实际指标内容确认配置生效。

kubectl get svc -n moffett-spu-operator | grep moffett-dcsm-exporter # 查看 DCSM Exporter 组件的 CLUSTER-IP
curl http://<CLUSTER-IP>:7788/metrics

须知

Prometheus 按配置的抓取间隔采集数据，变更后需等待一个采集周期后方可在 Prometheus 中查询到新指标。

Operator 指标

Operator 指标固定开启，随 SPU Operator 通过 8080 端口的 /metrics 路径暴露。可通过以下命令在集群内验证指标输出：

kubectl get svc -n moffett-spu-operator | grep spu-operator # 查看 Operator 组件的 CLUSTER-IP
curl http://<CLUSTER-IP>:8080/metrics

Operator 指标用于观察 SPU Operator 的协调（reconciliation）状态和执行结果。协调是指 Operator 持续检查 SPU 相关组件和资源，并确保其创建、更新和运行状态符合当前配置。具体指标如下表所示：

指标名称	Prometheus 指标类型	描述
`spu_operator_spu_nodes_total`	gauge	当前集群中识别到的 SPU 节点数量。可用于确认 SPU Operator 是否识别到预期数量的 SPU 节点。
`spu_operator_reconciliation_last_success_ts_seconds`	gauge	SPU Operator 最近一次成功完成协调的 Unix 时间戳，单位：秒。可用于判断 Operator 已经多久没有成功完成一次协调。
`spu_operator_reconciliation_status`	gauge	SPU Operator 当前协调状态。 - `1`：正常，SPU Operator 已成功完成协调。 - `0`：未就绪，SPU Operator 正在运行，但部分组件或资源还没有准备好。 - `-1`：不可用，SPU Operator 暂时无法继续协调，通常表示所需的配置或集群资源无法读取、未创建或状态异常，可能导致 SPU 相关组件无法部署、更新或刷新状态。
`spu_operator_reconciliation_total`	counter	SPU Operator 累计执行协调的次数。
`spu_operator_reconciliation_failed_total`	counter	SPU Operator 累计协调失败的次数。
`spu_operator_reconciliation_has_nfd_labels`	gauge	当前是否检测到 NFD 标签。NFD 标签用于帮助识别节点硬件能力，缺失时可能影响 SPU 节点识别。 - `1`：已检测到 NFD 标签。 - `0`：未检测到 NFD 标签。

Node Status Exporter 指标

节点指标由 nodeStatusExporter 组件暴露，用于观察每个 SPU 节点上的驱动状态和 PCI 设备检测结果。节点指标默认不启用，可在 values.yaml 中开启，相关配置项详见 Node Status Exporter 配置。可通过以下命令在集群内验证指标输出：

kubectl get svc -n moffett-spu-operator | grep moffett-node-status-exporter # 查看 Node Status Exporter 组件的 CLUSTER-IP
curl http://<CLUSTER-IP>:8000/metrics

节点状态相关指标如下表所示：

指标名称	Prometheus 指标类型	描述
`spu_operator_node_metrics_ready_ts_seconds`	gauge	该节点上的 `nodeStatusExporter` 指标服务启动时间，使用 Unix 时间戳表示，单位：秒。
`spu_operator_node_driver_ready`	gauge	该节点上的 SOLA 驱动是否已完成就绪检查。 - `1`：驱动已就绪，节点可以继续启动或使用依赖驱动的 SPU 组件。 - `0`：驱动未就绪，相关 SPU 组件可能无法正常启动或使用。
`spu_operator_node_driver_validation`	gauge	该节点上的 SOLA 驱动验证是否通过，用于确认驱动是否可正常工作。 - `1`：验证通过。 - `0`：验证未通过，驱动可能安装异常、未加载或无法正常访问 SPU 设备。
`spu_operator_node_driver_validation_last_success_ts_seconds`	gauge	该节点最近一次 SOLA 驱动验证通过的 Unix 时间戳，单位：秒。可用于判断驱动已经多久没有成功通过验证。
`spu_operator_moffett_pci_devices_total`	gauge	该节点通过 PCI 总线检测到的 SPU 设备数量。 `-1` 表示 `nodeStatusExporter` 无法读取节点上的 PCI 设备信息，因此无法确认 SPU 设备数量。出现该值时，可登录对应节点执行 `lspci \| grep 1f36`：如有输出，表示节点可识别到 SPU 设备；如无输出，表示节点未识别到 SPU 设备。

接入 Prometheus

在 Kubernetes 集群环境中，建议使用 Prometheus Operator 采集指标。Prometheus 的安装步骤和参数设置，详见《DCSM Exporter 用户手册》中的接入 Prometheus。

Prometheus 按配置的抓取间隔采集数据。配置生效后，可在 Prometheus 中检索 spu_operator_ 前缀的指标确认 Operator 和节点状态指标采集结果；DCSM Exporter 设备指标详见《DCSM Exporter 用户手册》中的可用 DCSM 字段参考。

升级

本节适用于升级 SPU Operator Helm Chart 版本，或升级通过 SPU Operator 部署的容器化 SOLA 驱动版本的场景。

升级 SPU Operator 版本

SPU Operator 支持使用 Helm Hook 自动升级自定义资源定义（Custom Resource Definition，CRD）（operator.upgradeCRD 默认启用），步骤如下：

获取新版本 Helm Chart 包。

wget https://moffett-oss-bucket.tos-cn-shanghai.volces.com/macs/v1.14/spu-operator/spu-operator-v1.4.0.tgz

导出目标版本的默认配置，并合并现有自定义配置。
```
helm get values spu-operator -n moffett-spu-operator -o yaml > values-before-upgrade.yaml
helm show values spu-operator-v1.4.0.tgz > values-target.yaml
```
按目标版本的配置说明，将仍需使用的镜像仓库、组件开关和资源配置等自定义项合并到 values-target.yaml。核对组件镜像版本及配置项的变化，避免直接沿用旧配置覆盖目标版本的默认值。
执行升级。
```
helm upgrade spu-operator spu-operator-v1.4.0.tgz -n moffett-spu-operator --disable-openapi-validation -f values-target.yaml
```
--disable-openapi-validation 跳过 Helm 使用旧 CRD 执行的本地校验；Kubernetes 仍会按生效的 CRD 校验资源。默认升级钩子会更新 ClusterPolicy CRD；启用内置 NFD 时，也会更新其 CRD。
检查配置和功能是否生效。
```
helm list -n moffett-spu-operator
kubectl get clusterpolicy cluster-policy -o yaml
kubectl get pods -n moffett-spu-operator
```
确认 Helm release 已更新至目标 Chart 版本、ClusterPolicy 配置符合预期，再按部署后验证检查已启用组件的状态和功能。

升级容器化 SOLA 驱动

仅适用于通过 SPU Operator 部署的容器化 SOLA 驱动。若节点采用主机方式预装驱动，请参考《SOLA Toolkit 安装指南》手动升级。

SPU Operator 通过 k8s-driver-manager initContainer 管理容器化 SOLA 驱动的完整生命周期。升级时，k8s-driver-manager 会依次驱逐使用 SPU 的业务 Pod，完成旧驱动卸载，并在新驱动容器部署完成后恢复 SPU Operator 和业务 Pod 的调度。

升级容器化 SOLA 驱动的操作步骤如下：

修改 values.yaml 中 SOLA 驱动版本。
```
driver:
  version: <driver-version>
```

执行 helm upgrade 将变更推送至集群。

helm upgrade spu-operator spu-operator-<current_operator_version>.tgz -n moffett-spu-operator -f values.yaml

手动删除当前 SOLA 驱动的 Pod，触发新版本驱动拉起。

kubectl get node # 查看集群中的节点 NAME
kubectl delete pod -l app=moffett-driver-daemonset --field-selector spec.nodeName=<NAME> -n moffett-spu-operator

删除 SOLA 当前驱动后，需等待一段时间加载新驱动及其他组件。

（可选）查看新 SOLA 驱动 Pod 的实时部署状态。
```
kubectl get pod -l app=moffett-driver-daemonset -n moffett-spu-operator -w
```
驱动升级完成后，按部署后验证检查组件是否恢复。

更新配置

本节适用于不变更 SPU Operator 版本、仅调整配置项的场景。

查看已安装的 Helm Chart 版本，并准备相同版本的 Chart 包。
```
helm list -n moffett-spu-operator
```
导出当前 release 的完整配置，保存副本后修改。
```
helm get values spu-operator -n moffett-spu-operator --all -o yaml > values-before-update.yaml
cp values-before-update.yaml values-update.yaml
```
导出的配置包含默认值和自定义值。保留更新前的副本，在 values-update.yaml 中修改所需配置；升级 Chart 时使用版本升级流程。
修改需要变更的配置项，详见配置参考。
```
vim values-update.yaml
```
应用变更，将 <current_operator_version> 替换为步骤 1 中的 Chart 版本。
```
helm upgrade spu-operator spu-operator-<current_operator_version>.tgz -n moffett-spu-operator --disable-openapi-validation -f values-update.yaml
```
须知

当 operator.upgradeCRD 启用时，为避免 Helm 以旧版本 CRD 校验新的 CR 实例，需使用 --disable-openapi-validation 选项跳过 Helm 的本地校验，让 Kubernetes 在新 CRD 生效后完成正确校验。
验证更新结果。
```
helm list -n moffett-spu-operator
kubectl get pod -n moffett-spu-operator
```
核对已修改组件的配置是否生效，再按部署后验证检查相应功能。

卸载

卸载 SPU Operator。

helm list -n moffett-spu-operator # 查看部署的 helm release NAME
helm uninstall <NAME> -n moffett-spu-operator

（可选）清理 CRD。operator.cleanupCRD 默认关闭，卸载时保留 CRD。需要移除 SPU Operator 的资源定义时，执行：
```
kubectl delete crd clusterpolicies.moffettai.com
```
删除 namespace。
```
kubectl delete ns moffett-spu-operator
```
验证卸载结果。
```
helm list -n moffett-spu-operator
kubectl get namespace moffett-spu-operator
```
确认 release 已移除，命名空间查询返回 NotFound。未清理的 CRD 会继续保留。

配置参考

Operator 全局配置

配置项	描述	默认值
`nfd.enabled`	是否随 SPU Operator 部署 NFD。	`true`
`operator.repository`	SPU Operator 镜像仓库。	`moffett`
`operator.image`	SPU Operator 镜像名。	`spu-operator`
`operator.version`	SPU Operator 镜像版本。	未指定，默认使用 `chart.AppVersion`。
`operator.imagePullPolicy`	镜像拉取策略。	`IfNotPresent`
`operator.imagePullSecrets`	镜像拉取密钥名称（如果镜像仓库需要凭据）。创建密钥的操作参见从私有仓库拉取镜像。	`[]`
`operator.cleanupCRD`	卸载时是否清理 ClusterPolicy CRD；启用内置 NFD 时也清理其 CRD。	`false`
`operator.upgradeCRD`	升级时是否自动升级 CRD 资源。	`true`

Node Status Exporter 配置

配置项	描述	默认值
`nodeStatusExporter.enabled`	是否启用 Node Status Exporter。启用后，`spu-operator-validator` 会暴露节点驱动状态和 SPU PCI 设备数量等指标。	`false`
`nodeStatusExporter.repository`	Node Status Exporter 镜像仓库。	`moffett`
`nodeStatusExporter.image`	Node Status Exporter 镜像名。	`spu-operator-validator`
`nodeStatusExporter.version`	Node Status Exporter 镜像版本。	未指定，默认使用 `chart.AppVersion`。
`nodeStatusExporter.imagePullPolicy`	Node Status Exporter 镜像拉取策略。	`IfNotPresent`
`nodeStatusExporter.imagePullSecrets`	镜像拉取密钥名称（如果镜像仓库需要凭据）。	`[]`
`nodeStatusExporter.resources`	Node Status Exporter 的资源请求与限制。	`{}`

Driver 配置

配置项	描述	默认值
`driver.enabled`	是否由 SPU Operator 部署容器化 SOLA 驱动。	`true`
`driver.repository`	SOLA 驱动镜像仓库。	`moffett`
`driver.image`	SOLA 驱动镜像名。	`driver`
`driver.version`	SOLA 驱动镜像版本。	`3.17.0-ubuntu22.04`
`driver.imagePullPolicy`	SOLA 驱动镜像拉取策略。	`IfNotPresent`
`driver.imagePullSecrets`	镜像拉取密钥名称（如果镜像仓库需要凭据）。创建密钥的操作参见从私有仓库拉取镜像。	`[]`
`driver.manager.env`	`k8s-driver-manager` 环境变量。可用于配置控制驱动升级过程中 Pod 的驱逐（Eviction）行为以及节点排空（Drain）策略。	详见下表

`k8s-driver-manager` 环境变量	描述	默认值
`ENABLE_SPU_POD_EVICTION`	尝试驱逐节点的 SPU Pod。如果驱逐失败，且同时启用了 `ENABLE_AUTO_DRAIN`，对节点执行排空操作。	`true`
`ENABLE_AUTO_DRAIN`	当 SPU Pod 驱逐失败时，允许自动执行节点排空操作。	`false`
`DRAIN_USE_FORCE`	在节点排空过程中，强制驱逐未被任何副本控制器（Deployment、ReplicaSet、StatefulSet、DaemonSet）管理的 SPU Pod。	`false`
`DRAIN_POD_SELECTOR_LABEL`	为 SPU Pod 指定一个标签，在节点排空时驱逐带有该标签的 SPU Pod。	""
`DRAIN_TIMEOUT_SECONDS`	节点排空操作的超时时间，单位：秒。超时后，强制删除 SPU Pod 以执行排空操作。	`0s`（表示无超时限制）
`DRAIN_DELETE_EMPTYDIR_DATA`	删除使用 emptyDir 卷的 SPU Pod。	`false`

Container Toolkit 配置

配置项	描述	默认值
`toolkit.enabled`	是否通过 SPU Operator 安装 Container Toolkit。 `true` 适用于节点上未安装 Container Toolkit 的场景；`false` 适用于节点上已安装 Container Toolkit 的场景。	`true`
`toolkit.repository`	Container Toolkit 镜像仓库。	`moffett`
`toolkit.image`	Container Toolkit 镜像名。	`container-toolkit`
`toolkit.version`	Container Toolkit 镜像版本。	`v1.2.0`
`toolkit.imagePullPolicy`	Container Toolkit 镜像拉取策略。	`IfNotPresent`
`toolkit.imagePullSecrets`	镜像拉取密钥名称（如果镜像仓库需要凭据）。创建密钥的操作参见从私有仓库拉取镜像。	`[]`

Device Plugin 配置

配置项	描述	默认值
`devicePlugin.enabled`	是否部署 Device Plugin。	`true`
`devicePlugin.repository`	Device Plugin 镜像仓库。	`moffett`
`devicePlugin.image`	Device Plugin 镜像名。	`k8s-device-plugin`
`devicePlugin.version`	Device Plugin 镜像版本。	`v0.4.0`
`devicePlugin.imagePullPolicy`	Device Plugin 镜像拉取策略。	`IfNotPresent`
`devicePlugin.imagePullSecrets`	镜像拉取密钥名称（如果镜像仓库需要凭据）。创建密钥的操作参见从私有仓库拉取镜像。	`[]`

SFD 配置

SFD 与 Device Plugin 共用镜像，以独立 DaemonSet 运行。SFD 依赖节点驱动就绪，并通过 NFD 发布设备属性标签。

配置项	描述	默认值
`sfd.enabled`	是否部署 SFD。	`true`
`sfd.repository`	SFD 镜像仓库。	`moffett`
`sfd.image`	SFD 镜像名。	`k8s-device-plugin`
`sfd.version`	SFD 镜像版本。	`v0.4.0`
`sfd.imagePullPolicy`	镜像拉取策略。	`IfNotPresent`
`sfd.imagePullSecrets`	镜像拉取密钥名称。	`[]`
`sfd.env`	SFD 环境变量，详见下表。	设置 `SFD_SLEEP_INTERVAL=60s`
`sfd.args`	传递给 SFD 的命令行参数。	未指定
`sfd.resources`	SFD 容器的资源请求与限制。	`{}`

SFD 支持以下探测参数。环境变量可通过 sfd.env 设置，命令行参数可通过 sfd.args 设置。

命令行参数 / 环境变量	描述	默认值
`--sleep-interval` / `SFD_SLEEP_INTERVAL`	两次设备属性重新探测之间的间隔。	`60s`
`--no-timestamp` / `SFD_NO_TIMESTAMP`	是否关闭时间戳标签；设为 `true` 时不生成该标签。	`false`

DCSM Exporter 配置

配置项	描述	默认值
`dcsmExporter.enabled`	是否部署 DCSM Exporter。	`true`
`dcsmExporter.repository`	DCSM Exporter 镜像仓库。	`moffett`
`dcsmExporter.image`	DCSM Exporter 镜像名。	`dcsm-exporter`
`dcsmExporter.version`	DCSM Exporter 镜像版本。	`1.3.0-1.0.0`
`dcsmExporter.imagePullPolicy`	DCSM Exporter 镜像拉取策略。	`IfNotPresent`
`dcsmExporter.imagePullSecrets`	镜像拉取密钥名称（如果镜像仓库需要凭据）。创建密钥的操作参见从私有仓库拉取镜像。	`[]`
`dcsmExporter.env`	DCSM Exporter 环境变量。可用于指定 DCSM Exporter 监听的地址与端口、指标采集配置文件路径等。	详见下表
`dcsmExporter.config.name`	自定义指标 ConfigMap 名称；未配置时使用镜像内的默认指标文件。	未指定
`dcsmExporter.config.create`	是否由 Helm 创建自定义指标 ConfigMap。显式配置 `config.name` 且不启用创建时，需预先创建同名 ConfigMap。	`false`
`dcsmExporter.config.data`	ConfigMap 中的指标内容（CSV 格式）。当 `config.create: true` 时生效，Helm 将以此内容创建 ConfigMap。	`""`
`dcsmExporter.serviceMonitor.enabled`	是否启用 ServiceMonitor。使用 Prometheus Operator 时将此参数设置为`true`。	`false`
`dcsmExporter.serviceMonitor.interval`	Prometheus 抓取间隔。	`15s`

DCSM Exporter 环境变量	描述	默认值
`DCSM_EXPORTER_LISTEN`	DCSM Exporter 对外提供指标服务的监听端口。	`:7788`
`DCSM_EXPORTER_KUBERNETES`	DCSM Exporter 以 Kubernetes 集群模式运行。	`true`
`DCSM_EXPORTER_COLLECTORS`	DCSM Exporter 启用的指标采集配置文件路径。	`/etc/dcsm-exporter/default-counters.csv`

节点标签

节点标签用于控制组件部署范围或描述设备属性。

部署控制标签

以下列出部署控制标签及自动生成的驱动状态标签。控制部署范围的操作参见常见部署场景。

标签	描述
`moffett.ai/spu.deploy.operands=false`	禁止在该节点部署受 Operator 节点标签控制的配套组件，包括驱动、Container Toolkit、Device Plugin、SFD 和监控组件。
`moffett.ai/spu.deploy.driver=false`	禁止在该节点安装容器化 SOLA 驱动。
`moffett.ai/spu.deploy.driver=pre-installed`	表示该节点已检测到主机方式安装的 SOLA 驱动，Driver 组件将跳过该节点。该标签由 `k8s-driver-manager` 自动添加，无需手动设置。
`moffett.ai/spu.deploy.container-toolkit=false`	禁止在该节点部署 Container Toolkit。
`moffett.ai/spu.deploy.device-plugin=false`	禁止在该节点部署 Device Plugin。
`moffett.ai/spu.deploy.spu-feature-discovery=false`	禁止在该节点部署 SFD。
`moffett.ai/spu.deploy.dcsm-exporter=false`	禁止在该节点部署 DCSM Exporter。

设备属性标签

SFD 发布以下设备属性标签，标签值由实际探测结果决定。

标签	含义
`moffett.ai/spu.count`	探测到的 `spu.product` 对应的设备（device）数量。
`moffett.ai/spu.memory`	探测到的 SPU 设备内存容量大小，单位：MiB。
`moffett.ai/spu.product`	探测到的 SPU 产品标识。
`moffett.ai/sfd.timestamp`	SFD 开始探测的时间戳；可通过 `SFD_NO_TIMESTAMP=true` 关闭。

设备运行时的温度、利用率和错误信息参见监控指标。