设备管理器中结构化的 GPU 设备健康报告

您想添加什么?

设备插件 API 中的结构化、向后兼容的健康信号,以便 Kubelet 能够区分 DEGRADED (ECC 错误、热限流、NVLink 断开) 和 UNHEALTHY (消失),并通过指标 + 可选探针来显示这些信息。