NVKE：エヌビディア、独自のKubernetesエンジンをプレビュー公開

何が起きたか

Nvidia は「NVKE」という新しい Kubernetes エンジンを GitHub でプレビュー公開しました。GPU データセンターの運営者は、これを使ってお客さまに Kubernetes を管理サービスとして提供できます。AWS の EKS に似た仕組みです。お客さまから依頼があると、中央の管理クラスターが物理サーバー（ベアメタル）上に別々の Kubernetes クラスターを作ります。コードは Apache 2.0 ライセンスで無料ですが、Nvidia はまだ本番運用には勧めていません。

主な数字と事実

• お客さまごとのクラスターに、専用のコントロールプレーン、etcd データベース、ノードプールが割り当てられます。
• 管理クラスターには TPM 2.0 チップを搭載したサーバーが、1台、3台、5台のような奇数台必要です。
• NVKE API は、管理ノードごとに暗号化されていない HTTP のポート 30080 で待ち受けます。
• 新しいクラスターのネットワークには ovn-kubernetes を使います。Calico は既存の環境のためにだけ残されています。
• サーバー管理層の NICo には、少なくとも 3 ノードの Kubernetes クラスターが必要です。

NVKE の仕組み

NVKE はまず GPU やファブリックのソフトウェアを入れずにサーバーを準備します。その後、Nvidia の GPU Operator がドライバーなどの関連ツールを入れます。設定の手順書は Nvidia の AI Cluster Runtime が用意します。運用者は nvkectl というコマンドラインツールか、NVKE の REST API で操作します。API を使ってノードプールを増やしたり、Kubernetes を更新したりもできます。高可用性と更新のために、NVKE は仮想 IP アドレスを必要とし、それを kube-vip で設定します。

なぜ重要か

NVKE は、Nvidia がハードウェアとソフトウェアを一式まとめて、AI サーバーを動かす際の標準にしたいという狙いを示しています。ただし、このプレビュー版にはまだ弱い点があります。セキュリティの役割分担がないため、許可された利用者なら誰でもどのクラスターも作成・削除できます。新しい NVKE への安全なアップグレード方法や、管理クラスターのバックアップと復元方法も、まだ検証されていません。試す会社は、先に自前の TLS 暗号化とログイン確認を追加すべきです。

今後注目すべき点

• Nvidia が API にロールベースのアクセス制御を追加するかどうか。
• 本番利用の前に、安全なアップグレードとバックアップの方法が提供されるかどうか。
• NVKE が、コントロールプレーンを Pod として動かすオープンソースのツール Gardener や Kamaji と比べてどうなるか。