Kubernetes Dynamic Resource Allocation

Kubernetes DRA 是新一代特殊设备资源分配模型，用 ResourceClaim、ResourceSlice 和 driver plugin 让 GPU、DPU、RDMA 等设备的配置与调度更声明式、更可扩展。

在 M5-C Device / GPU 地图中的位置

基础 DRA 自 Kubernetes v1.35 stable；binding conditions、consumable capacity、partitionable devices、optional node operations 等扩展独立分阶段，见 kubernetes-dra-design-deep-dive 的「当前上游核验（2026-09-27）」表及其官方证据。ResourceClaim allocation 是控制面分配，NodePrepareResources 是节点准备，cdi 是 runtime 注入交接，不能将任一步成功当作全链路已就绪。

k8s-gpu-device-stack 对比 k8s-device-plugin 与 dra-driver-nvidia-gpu 的路径：node-feature-discovery 的节点信号和 gpu-operator 的组件管理不取代 Claim 分配，hami 的 DRA 接入也不自动改变容器隔离强度。

和传统 device plugin 的区别

传统 device-plugin 主要把节点设备暴露成 extended resources，Pod 请求后由 kubelet Allocate。DRA 把资源 claim、参数、slice 和第三方 driver 放到调度语义里，让设备厂商能表达更复杂的配置，例如 dynamic MIG、VFIO、ComputeDomain。

代表项目

dra-driver-nvidia-gpu 是 NVIDIA GPU 的 DRA driver 实现，覆盖 ResourceClaim validation、NodePrepare/Unprepare、ResourceSlice、dynamic MIG/VFIO 和 ComputeDomain。

Upstream 进展

2026-07-15 复核 kubernetes/enhancements 后，DRA 的近期重点已经从 ResourceSlice / ResourceClaim 基础模型，扩展到 workload 级 claim、可消费容量、共享容量、设备兼容组、ResourceClaim device status、DRA attributes Downward API 和标准 numaNode 属性。详见 k8s-v1.37-scheduling-node-dra-progress 和 kubernetes-dra-design-deep-dive。

对 GPU/AI 平台来说，最值得跟踪的是 5729-resourceclaim-support-for-workloads、5075-dra-consumable-capacity、4817-resource-claim-device-status、5304-dra-attributes-downward-api 和 6072-dra-standard-numanode，因为它们把设备容量、状态和拓扑从 driver 私有逻辑推进到 Kubernetes 可推理 API。

选型提示

选型应比较目标 release 的设备需求、driver 支持和运维路径：简单 extended-resource 场景可用 k8s-device-plugin；需要 Claim、属性选择或跨 Pod 生命周期时评估 DRA。基础 API 已稳定，但动态 MIG、共享和其他扩展仍须逐项核对 Kubernetes 与厂商支持范围，不能从基础 DRA 的阶段推导整套部署成熟度。