生产架构：契约、节点池与平面划分

在写 YAML 之前先写契约：工作负载契约是硬件、节点池、配额与 SLO 的共同依据。

工作负载契约

契约内容：模型与版本、精度、内存占用、序列长度、批次、并发、延迟/吞吐目标、故障恢复、检查点、数据路径、安全边界和预期增长。它与基准与验收的验收清单是同一件事的两面：一份定义“要什么”，一份验证“拿到了什么”。

GPU 节点池是产品档位

不要把异构机群当作每个节点都可互换来运营。按 GPU 世代、内存档位、外形规格、互连、工作负载类别、可用区和生命周期阶段建池，一致地打标签和污点（见放置策略），实验池与生产池分开。每个池对应一种平台责任边界与一种成本结构（见容量经济）。

五个平面

这张表与控制面地图的分层互为镜像：地图讲“哪些组件在哪一层”，平面讲“哪类责任归谁管”。

命名空间契约

apiVersion: v1
kind: ResourceQuota
metadata:
  name: gpu-team-quota
  namespace: ai-team
spec:
  hard:
    requests.nvidia.com/gpu: "8"
    limits.nvidia.com/gpu: "8"
    requests.cpu: "64"
    requests.memory: 512Gi
---
apiVersion: policy/v1
kind: PodDisruptionBudget
metadata:
  name: inference-pdb
  namespace: ai-team
spec:
  minAvailable: 2
  selector:
    matchLabels:
      app: inference

具体的配额键与控制器行为应对照集群的资源模型验证，尤其在使用 DRA 或共享设备时。

总结

生产架构 = 契约（要什么）+ 节点池（放在哪）+ 平面（谁负责）+ 命名空间（归谁用）。这四件事写清楚，端到端实战中的每一条命令才有了上下文。