处理 GPU 主机维护事件

---

当 Compute Engine 对挂接了图形处理单元 (GPU) 的虚拟机执行维护时，您必须停止该虚拟机。这是因为挂接了 GPU 的虚拟机无法实时迁移。

您必须将这些虚拟机设置为因主机维护事件而停止。您可以将已停止的虚拟机设置为在维护事件完成后自动重启。

警告：对于具有 GPU 的虚拟机，如果 Compute Engine 因主机维护事件而重启虚拟机，则挂接到虚拟机的任何本地 SSD 磁盘上的数据都不可恢复。

主机维护事件通常每两周发生一次，但有时候频率可能会更高。

本文档介绍了如何在维护事件期间最大限度地减少对工作负载的干扰。

注意：挂接了 GPU 的虚拟机在发生故障或主机错误后可能需要长达一小时才能终止。

在维护事件发生前接收提前通知

您可以监控虚拟机 (VM) 实例的维护计划，并准备好工作负载以便在系统重启时进行某种转换。

如需接收主机事件提前通知，请监控 /computeMetadata/v1/instance/maintenance-event 元数据值。如果对元数据服务器的请求返回 NONE，则表示虚拟机未安排终结。例如，从虚拟机中运行以下命令：

curl http://metadata.google.internal/computeMetadata/v1/instance/maintenance-event -H "Metadata-Flavor: Google"

NONE

如果元数据服务器返回 TERMINATE_ON_HOST_MAINTENANCE，则表示您的虚拟机已安排终结。GPU 虚拟机会提前一小时收到来自 Compute Engine 的终结通知，而普通虚拟机只会在终结前 60 秒收到通知。将应用配置为在维护事件期间进行某种转换。例如，您可以使用以下方法之一：

• 将您的应用配置为暂时将进行中的工作转移到 Cloud Storage 存储桶，然后在虚拟机重启后检索这些数据。

• 将数据写入辅助永久性磁盘。当虚拟机自动重启时，永久性磁盘重新挂接并且应用可以继续进行重启前的工作。

后续步骤

• 详细了解 GPU 平台。
• 如需详细了解如何管理和扩缩虚拟机组，请参阅设置虚拟机组的目标大小。
• 如需监控 GPU 性能，请参阅监控 GPU 性能。
• 如需提升网络性能，请参阅使用更高的网络带宽。
• 了解如何排查虚拟机关闭和重新启动问题。