Solicite CPU, memoria y GPU
Establezca límites de recursos para que los pods se programen correctamente.
Solicite CPU, memoria y GPU es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
El planificador necesita cifras
Kubernetes coloca los Pods en nodos que tienen espacio disponible. Para decidir dónde colocarlos, el planificador necesita que declare cuánta CPU y memoria utilizará cada Pod del modelo.
Solicitudes frente a límites
Una solicitud es la cantidad garantizada que se utiliza para la programación. Un límite es el máximo que el contenedor no puede superar. Casi siempre debe establecer ambos.
La CPU se mide en milinúcleos
La CPU se cuenta en milinúcleos: 1000m equivale a un núcleo completo. Solicitar 500m significa que el Pod de su modelo tiene garantizada la mitad de un núcleo de CPU.
resources:
requests:
cpu: "500m"
memory: "512Mi"
limits:
cpu: "1"
memory: "1Gi"La memoria utiliza Mi y Gi
La memoria se establece en mebibytes o gibibytes, como 512Mi o 2Gi. Dimensione este valor según el modelo y su entorno de ejecución, dejando un pequeño margen adicional.
Si es demasiado bajo, el Pod queda pendiente
Si ningún nodo puede satisfacer sus solicitudes, el Pod permanece en Pending indefinidamente. Los modelos grandes con GPU a menudo esperan simplemente porque no hay suficiente espacio libre.
OOMKilled al superar la memoria
Supere su límite de memoria y el kernel finalizará el contenedor con el estado OOMKilled. Dimensionar correctamente los límites evita que el servidor del modelo sea terminado durante una solicitud. 💥
Los límites de CPU ralentizan, no finalizan
A diferencia de la memoria, superar un límite de CPU no finaliza el Pod. El contenedor simplemente se ralentiza, por lo que aumenta la latencia en lugar de detenerse el proceso.
Las GPU se solicitan como límites
Las GPU son un recurso extendido. Solo se solicitan en limits mediante nvidia.com/gpu, y el valor debe ser un número entero, nunca una fracción.
resources:
limits:
nvidia.com/gpu: 1Una GPU no se comparte por tiempo
Una solicitud de GPU reserva de forma predeterminada todo el dispositivo para ese Pod. Dos Pods no pueden compartir una tarjeta libremente sin una configuración especial de MIG o de división temporal.
El complemento de dispositivos hace visibles las GPU
Los nodos solo anuncian las GPU después de que el complemento de dispositivos de NVIDIA se ejecuta en ellos. Sin el complemento no existe el recurso nvidia.com/gpu y el Pod con GPU permanece en Pending.
Dimensionar correctamente ahorra dinero
Solicitar recursos de más desperdicia nodos completos; solicitarlos de menos aumenta el riesgo de desalojos. Observar el uso real y ajustar las solicitudes permite mantener un servicio estable y económico.
Comprobación rápida
¿Qué ocurre cuando un contenedor supera su límite de memoria?
Resumen
Declare solicitudes y límites para la CPU y la memoria, solicite GPU enteras mediante los límites y dimensione los recursos a partir del uso real para mantener saludables los Pods del modelo. ✅
Preguntas frecuentes
¿La lección «Solicite CPU, memoria y GPU» es gratis?
Sí — el texto completo de «Solicite CPU, memoria y GPU» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Solicite CPU, memoria y GPU»?
Establezca límites de recursos para que los pods se programen correctamente. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «Solicite CPU, memoria y GPU»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Pods, Deployments y Services para modelos
- Solicite CPU, memoria y GPU
- Configure con ConfigMaps y Secrets
- Ejecute el entrenamiento como un Job de Kubernetes