esxi gpu虚拟化(hyper-v 显卡虚拟化vgpu)

---

一、简述esxi主机中创建虚拟机并安装操作系统的操作步骤

要在ESXi主机上创建虚拟机并安装操作系统，可以按照以下步骤操作：

1启动ESXi主机：首先，您需要启动服务器。ESXi服务器。

2.打开虚拟化管理工具：在ESXi主机上，需要使用虚拟化管理工具，例如VMwarevSphereClient或ESXiShell。这些工具可帮助您与虚拟机交互并管理虚拟机。

3.创建虚拟机：在虚拟化管理工具中，您可以创建新的虚拟机。创建时需要指定虚拟机名称、内存大小、硬盘大小、网络设置等参数。操作系统方面，可以选择预装的操作系统型号，如WindowsServer2016、UbuntuServer等。

4.选择安装源：对于自定义安装的操作系统，需要选择操作系统镜像文件作为安装源。这通常是一个ISO映像文件，其中包含您要安装的操作系统安装程序。

5.配置虚拟磁盘：创建虚拟机后，需要配置虚拟磁盘来存储操作系统镜像文件。您可以选择将镜像文件存储在本地存储设备上，也可以使用ESXi主机的共享存储资源。

6.启动虚拟机：完成虚拟机的创建和配置后，即可启动虚拟机并进入安装流程。

7.安装操作系统：启动虚拟机后，根据您选择的操作系统型号或自定义安装程序，按照提示安装操作系统。在安装过程中，您可能需要输入一些信息（例如管理员密码）并进行一些配置设置。

8.完成安装：操作系统安装完成后，您可能需要进行一些系统初始化和配置工作。这可能包括设置网络、安装必要的软件包、调整系统设置等。

---

二、GPU虚拟化前面的文章介绍了计算虚拟化的CPU虚拟化和内存虚拟化。从某种意义上讲，GPU也用于计算，但相比CPU用于通用计算的应用，GPU主要用于图形图像要求较高的场景，例如高清视频编解码、3D游戏、物理模拟等。本文将带您了解GPU虚拟化技术。
GPU技术在芯片行业的发展速度与CPU技术一样快，越来越多的用户开始使用虚拟桌面解决方案。因此，GPU技术与虚拟化技术的融合成为近年来虚拟化行业的热门技术话题，图形图像用户的成本将大大降低，数据处理效率和数据安全性将得到提高。。所谓GPU虚拟化，就是将GPU卡的算力从逻辑上切分成多个虚拟GPU，即vGPU，并在vGPU单元中分配GPU算力。单个GPU卡可以分配给一个vGPU单元中的多个虚拟机，使虚拟机能够运行3D软件、播放高清视频等，显着提升用户体验。
目前GPU虚拟化主要有以下技术：
DeviceSimulation
APIForwarding
GPUPass-Through
FullGPUVisualization
设备模拟直接将设备分配给指定的虚拟机。模拟是使用类似于CPU虚拟化中使用的二进制转换方法来执行的。但相比CPU，GPU特性复杂，且不同设备提供商的GPU规格差异较大，GPU资源难以划分，仿真效率低。因此，普通的QEMU软件只是模拟VGA设备的基本功能，通过半虚拟图像缓冲区加速某些2D图像的访问，不符合高效、共享虚拟化的要求。由于设备模拟没有允许虚拟机访问图形硬件的特定机制，因此该虚拟显示设备使用CPU和内存来相应地处理图形数据。
该API将OpenGL等图形命令从Guest虚拟机转发到VMM监控虚拟机，实现虚拟环境中的GPU共享。这种方法现在广泛应用于VMWare、VirutalBox等软件中。基于Chromium的VMGL和Oracle的VirtualBox，使用自定义的OpenGL库替换原来的OpenGL库，并将虚拟机中的OpenGL命令转发到虚拟机的监视器上执行。对于通用计算中的GPU应用，rCUDA、vCUDA和gVirtuS都利用CUDA和OpenGL指令转发来解决在虚拟环境中运行GPU通用计算程序的问题。然而API的开发受到平台的限制，例如Windows使用的接口是DirectX，与OpenGL或CUDA不兼容。因此，Linux主机无法执行从Windows客户端转发的DirectX命令。同时API转发会导致大量的上下文切换，造成很大的性能损失。
显卡透传，也叫显卡透传，是指绕过虚拟机管理系统，只将GPU分配给虚拟机，只有虚拟机才有使用GPU的权限。这种独特的设备分配方法保留了GPU的完整性和独立性，接近非虚拟化条件下的性能，可用于通用计算。但显卡旁路路径需要使用显卡的一些特殊细节，兼容性较差。它只能在某些GPU设备上使用。同时GPU透传只能将GPU分配给一台虚拟机，不能在其他多台虚拟机之间共享，无法使用GPU提供的计算能力。由于图形路径实际上使用客户操作系统的本机驱动程序和硬件，因此它缺乏跟踪和维护GPU状态所需的中间层，并且不支持实时迁移等高级虚拟机功能。
显卡虚拟化是将显卡进行切片，并将该显卡时间分配给虚拟机使用的过程。由于支持显卡虚拟化的显卡一般可以根据需要划分为不同规格的时间片，从而可以分配给多个虚拟机使用。GPU全虚拟化允许虚拟机直接访问性能敏感资源（例如GPU访问显存），从本质上解决了透传和共享之间的冲突。例如SR-IOV技术，与IO虚拟化类似，通过影子页表隔离每个虚拟GPU的访问空间，使得大部分指令执行不会被虚拟机监视器中断，因此虚拟GPU可以获得接近非-优化条件下的虚拟性能。
不同的显卡厂商实现全虚拟化的方式不同。例如，AMD在其最新的GPU上使用SR-IOV（单根虚拟化）技术，Intel使用KVMGT技术来实现，Nvidia则使用GPUvm/GRID技术来实现。

---

三、gpu虚拟化的几种实现方式包括

实现GPU虚拟化的方法有很多种。下面我列出一些常见的：

1**基于GPU的硬件虚拟化**：这是一种通过在GPU硬件级别实现虚拟化来提供多个虚拟GPU的方式。这种方法需要硬件支持，同时还需要操作系统和驱动程序的支持。其优点是性能损失小，但实现起来比较困难，需要硬件厂商的支持。

2.**GPUpassthrough-based**：该方法直接从物理GPU获取资源，并将一部分GPU资源分配给每个虚拟机。这种方法不需要额外的虚拟化软件，但需要BIOS级配置以及对底层硬件和操作系统的深入了解。

3.使用容器技术：可以使用Docker、Kubernetes等容器技术进行GPU虚拟化。它们提供了一种隔离和分配资源的方法，以便每个容器都可以拥有自己的GPU资源份额。这种方法对于深度学习等需要大量GPU资源的场景非常有用。

4.使用NVIDIA容器引擎：NVIDIA提供了一种称为NVIDIA容器引擎(NCE)的专用容器技术。它通过使用NVIDIA软件堆栈将GPU资源与容器中运行的应用程序解耦，实现GPU资源的高效可靠分配。

5.使用GPU加速的云提供商：许多云提供商提供GPU加速的云服务，例如AWS的GravitonGPU云服务器、GCP的NVIDIAV100等。用户只需购买这些服务即可享受云端的高性能GPU资源。

以上是几种常见的GPU虚拟化实现方法。每种方法都有优点和缺点，您选择的方法取决于您的需求、预算、技术能和其他因素。同时，请记住，每种方法都需要学习和实践才能掌握。建议根据您的具体情况选择最适合您的方法。