Что это такое?
NVIDIA Run:ai — это open-source платформа для оркестрации AI-нагрузок и GPU, которая управляет общей AI-инфраструктурой на Kubernetes: занимается планированием GPU, квотами на ресурсы и управлением доступом между командами.
NVIDIA Run:ai — это open-source платформа для оркестрации AI-нагрузок и GPU, которая управляет общей AI-инфраструктурой на Kubernetes: занимается планированием GPU, квотами на ресурсы и управлением доступом между командами.Это замена Kubernetes или он работает поверх него?Он работает поверх Kubernetes (или OpenShift) как слой планирования и оркестрации; он не заменяет ни Kubernetes, ни контейнерный рантайм, ни CI/CD.
Он работает поверх Kubernetes (или OpenShift) как слой планирования и оркестрации; он не заменяет ни Kubernetes, ни контейнерный рантайм, ни CI/CD.Как его установить и запустить?Для продакшена используйте управляемую установку через CLI runai-installer с конфигом в YAML (рекомендуется) или разверните Helm-чарты вручную; для локальной разработки запустите скрипт local-dev.sh — он поднимет самодостаточный Kind-кластер с control plane и сервисами кластера.
Для продакшена используйте управляемую установку через CLI runai-installer с конфигом в YAML (рекомендуется) или разверните Helm-чарты вручную; для локальной разработки запустите скрипт local-dev.sh — он поднимет самодостаточный Kind-кластер с control plane и сервисами кластера.Что нужно на моей машине для локальной среды разработки?Нужны Docker или Podman, make, git, curl, python3, openssl и минимальные требования по CPU, памяти и диску; kind, kubectl и helm установятся автоматически, а Go, Node или Java не нужны, потому что все сборки идут в контейнерах.
Нужны Docker или Podman, make, git, curl, python3, openssl и минимальные требования по CPU, памяти и диску; kind, kubectl и helm установятся автоматически, а Go, Node или Java не нужны, потому что все сборки идут в контейнерах.Есть ли опубликованный роадмап или цели сборки в корневом Makefile уже готовы к использованию?Долгосрочного роадмапа в репозитории нет (вместо него — открытые issues и релизы), а цели в корневом Makefile — это заглушки; настоящие цели для сборки, тестов и линта лежат в каталоге каждого сервиса.
Долгосрочного роадмапа в репозитории нет (вместо него — открытые issues и релизы), а цели в корневом Makefile — это заглушки; настоящие цели для сборки, тестов и линта лежат в каталоге каждого сервиса.Для кого это и какие окружения поддерживаются?Платформа рассчитана на организации с общей GPU-инфраструктурой для AI-нагрузок и разворачивается на Kubernetes или OpenShift, в том числе в изолированных от интернета (air-gapped) окружениях.
Платформа рассчитана на организации с общей GPU-инфраструктурой для AI-нагрузок и разворачивается на Kubernetes или OpenShift, в том числе в изолированных от интернета (air-gapped) окружениях.Нужны ли NVIDIA GPU и GPU-операторы?Да, платформа построена вокруг планирования с учётом GPU и дополняет NVIDIA GPU Operator и Network Operator: они делают GPU на узлах доступными и настраивают их, а Run:ai решает, какие нагрузки их получат.
Да, платформа построена вокруг планирования с учётом GPU и дополняет NVIDIA GPU Operator и Network Operator: они делают GPU на узлах доступными и настраивают их, а Run:ai решает, какие нагрузки их получат.Что находится внутри этого монорепозитория?Там собраны сервисы control plane (control-plane/), оператор и контроллеры внутри кластера (runai-cluster/), CLI установщика (runai-installer/), MCP-сервер, общие пакеты client/common, инструменты для масштабных и нагрузочных тестов, документация и локальная среда разработки.
Там собраны сервисы control plane (control-plane/), оператор и контроллеры внутри кластера (runai-cluster/), CLI установщика (runai-installer/), MCP-сервер, общие пакеты client/common, инструменты для масштабных и нагрузочных тестов, документация и локальная среда разработки.Чем Run:ai отличается от стандартного планировщика Kubernetes или инструментов вроде Volcano и Kueue?В Run:ai входит собственный KAI Scheduler с fair-share планированием, вытеснением задач, выделением частей GPU и иерархиями квот между отделами и проектами — из коробки стандартный kube-scheduler и альтернативы вроде Volcano или Kueue дают это не в полном объёме.
В Run:ai входит собственный KAI Scheduler с fair-share планированием, вытеснением задач, выделением частей GPU и иерархиями квот между отделами и проектами — из коробки стандартный kube-scheduler и альтернативы вроде Volcano или Kueue дают это не в полном объёме.Какими интерфейсами можно с ним пользоваться?Run:ai можно управлять через веб-интерфейс, CLI и REST API, а ещё есть MCP-сервер, который предоставляет операции Run:ai как инструменты для AI-ассистентов.
Run:ai можно управлять через веб-интерфейс, CLI и REST API, а ещё есть MCP-сервер, который предоставляет операции Run:ai как инструменты для AI-ассистентов.Откуда берутся официальные образы контейнеров и Helm-чарты?Вышедшие в релиз образы и Helm-чарты публикуются в контейнерном реестре NVIDIA NGC по адресу nvcr.io/nvidia/runai — именно оттуда установщик и Helm-чарты качают их по умолчанию.
Вышедшие в релиз образы и Helm-чарты публикуются в контейнерном реестре NVIDIA NGC по адресу nvcr.io/nvidia/runai — именно оттуда установщик и Helm-чарты качают их по умолчанию.Which topics is it in?helm-charts, access-control, rbac, cloud-native, orchestration, observability, distributed-systems, kubernetes, inference, nvidia, sdk, monitoring
helm-charts, access-control, rbac, cloud-native, orchestration, observability, distributed-systems, kubernetes, inference, nvidia, sdk, monitoring