Kubernetes 扩展资源定义

TensorFusion 在 API 组 tensor-fusion.ai 的 v1 版本下定义了 12 种自定义资源。本页说明每种资源的用途、通常由谁来写，以及字段参考在哪里。

资源之间的关系

资源层级：TensorFusionCluster → GPUPool → GPUNode → GPU。集群和 GPU 池由你来写，节点和 GPU 由 Controller 和 Hypervisor 创建并更新。
节点供给：自行供给节点的 GPUPool 会创建 GPUNodeClaim，每个 GPUNodeClaim 按某个 GPUNodeClass 生成。
工作负载：TensorFusionWorkload 描述一个应用的 vGPU 资源，可以引用可复用的 WorkloadProfile。TensorFusionConnection 把一个客户端 Pod 和一个远程 worker 配对。
策略：SchedulingConfigTemplate、GPUResourceQuota、ProviderConfig 分别保存调度策略、命名空间配额和厂商相关配置。

基础设施资源

Kind	作用域	由谁写入	用途	字段参考
`TensorFusionCluster`	集群级	管理员（Helm chart 会创建一个）	最顶层的对象，包含各个 GPU 池和集群级的组件配置。	TensorFusionCluster
`GPUPool`	集群级	管理员，通常写在 `TensorFusionCluster.spec.gpuPools` 里	一组 GPU 节点，共用容量、节点供给、超卖、QoS 定价和组件配置。	GPUPool
`GPUNode`	集群级	Controller	一个 GPU 节点：容量、分配情况和所处阶段。	GPUNode
`GPU`	集群级	Hypervisor	一张物理 GPU：型号、容量、可用资源和运行在上面的 Pod。	GPU
`GPUNodeClass`	集群级	管理员	供给节点时使用的云主机模板：系统镜像、子网、安全组、磁盘、标签和 user data。	GPUNodeClass
`GPUNodeClaim`	集群级	Controller	申请一个新节点：机型、可用区、容量类型，以及它将带来的算力、显存和 GPU 数量。	CRD YAML

策略与配置资源

Kind	作用域	由谁写入	用途	字段参考
`SchedulingConfigTemplate`	集群级	管理员	放置策略、纵向伸缩规则、重平衡，以及 Hypervisor 的限流参数。由 GPU 池引用。	SchedulingConfigTemplate
`GPUResourceQuota`	命名空间级	管理员	命名空间的总量上限（算力、显存、worker 数量），以及单个工作负载的上限和默认值。	GPUResourceQuota
`ProviderConfig`	集群级	管理员（Helm chart 会创建 NVIDIA 的那一个）	按厂商区分的配置：组件镜像、GPU 型号目录、分区模板，以及 TensorFusion 接管的原生资源名。	CRD YAML

工作负载资源

Kind	作用域	由谁写入	用途	字段参考
`TensorFusionWorkload`	命名空间级	用户，或由 webhook 根据 Pod 注解创建	一个应用的 vGPU requests 和 limits、QoS、隔离模式和自动伸缩。	TensorFusionWorkload
`WorkloadProfile`	命名空间级	用户或管理员	一组可复用的工作负载配置，工作负载和 Pod 注解可以按名称引用。	WorkloadProfile
`TensorFusionConnection`	命名空间级	Controller	把一个客户端 Pod 绑定到一个远程 worker，并在 status 里给出 worker 的连接地址。	TensorFusionConnection

大多数用户不需要手写这些工作负载资源。给 Pod 加上工作负载注解就够了，其余的由 webhook 创建。

查看你所用版本的准确 schema

本站的字段参考页由 CRD 生成，可能落后于最新版本；GPUNodeClaim 和 ProviderConfig 目前还没有参考页。以集群里实际安装的 schema 为准：

# 列出所有资源
kubectl api-resources --api-group=tensor-fusion.ai

# 查看某个字段的类型和说明
kubectl explain gpupool.spec.capacityConfig
kubectl explain tensorfusionworkload.spec --recursive

# 导出某个 CRD 的完整 OpenAPI schema
kubectl get crd gpupools.tensor-fusion.ai -o yaml

CRD 的源码在 tensor-fusion 仓库：Go 类型在 api/v1/，生成的 YAML 在 config/crd/bases/。

资源之间的关系

资源层级：TensorFusionCluster → GPUPool → GPUNode → GPU。集群和 GPU 池由你来写，节点和 GPU 由 Controller 和 Hypervisor 创建并更新。
节点供给：自行供给节点的 GPUPool 会创建 GPUNodeClaim，每个 GPUNodeClaim 按某个 GPUNodeClass 生成。
工作负载：TensorFusionWorkload 描述一个应用的 vGPU 资源，可以引用可复用的 WorkloadProfile。TensorFusionConnection 把一个客户端 Pod 和一个远程 worker 配对。
策略：SchedulingConfigTemplate、GPUResourceQuota、ProviderConfig 分别保存调度策略、命名空间配额和厂商相关配置。

基础设施资源

Kind	作用域	由谁写入	用途	字段参考
`TensorFusionCluster`	集群级	管理员（Helm chart 会创建一个）	最顶层的对象，包含各个 GPU 池和集群级的组件配置。	TensorFusionCluster
`GPUPool`	集群级	管理员，通常写在 `TensorFusionCluster.spec.gpuPools` 里	一组 GPU 节点，共用容量、节点供给、超卖、QoS 定价和组件配置。	GPUPool
`GPUNode`	集群级	Controller	一个 GPU 节点：容量、分配情况和所处阶段。	GPUNode
`GPU`	集群级	Hypervisor	一张物理 GPU：型号、容量、可用资源和运行在上面的 Pod。	GPU
`GPUNodeClass`	集群级	管理员	供给节点时使用的云主机模板：系统镜像、子网、安全组、磁盘、标签和 user data。	GPUNodeClass
`GPUNodeClaim`	集群级	Controller	申请一个新节点：机型、可用区、容量类型，以及它将带来的算力、显存和 GPU 数量。	CRD YAML

策略与配置资源

Kind	作用域	由谁写入	用途	字段参考
`SchedulingConfigTemplate`	集群级	管理员	放置策略、纵向伸缩规则、重平衡，以及 Hypervisor 的限流参数。由 GPU 池引用。	SchedulingConfigTemplate
`GPUResourceQuota`	命名空间级	管理员	命名空间的总量上限（算力、显存、worker 数量），以及单个工作负载的上限和默认值。	GPUResourceQuota
`ProviderConfig`	集群级	管理员（Helm chart 会创建 NVIDIA 的那一个）	按厂商区分的配置：组件镜像、GPU 型号目录、分区模板，以及 TensorFusion 接管的原生资源名。	CRD YAML

工作负载资源

Kind	作用域	由谁写入	用途	字段参考
`TensorFusionWorkload`	命名空间级	用户，或由 webhook 根据 Pod 注解创建	一个应用的 vGPU requests 和 limits、QoS、隔离模式和自动伸缩。	TensorFusionWorkload
`WorkloadProfile`	命名空间级	用户或管理员	一组可复用的工作负载配置，工作负载和 Pod 注解可以按名称引用。	WorkloadProfile
`TensorFusionConnection`	命名空间级	Controller	把一个客户端 Pod 绑定到一个远程 worker，并在 status 里给出 worker 的连接地址。	TensorFusionConnection

大多数用户不需要手写这些工作负载资源。给 Pod 加上工作负载注解就够了，其余的由 webhook 创建。

查看你所用版本的准确 schema

本站的字段参考页由 CRD 生成，可能落后于最新版本；GPUNodeClaim 和 ProviderConfig 目前还没有参考页。以集群里实际安装的 schema 为准：

# 列出所有资源
kubectl api-resources --api-group=tensor-fusion.ai

# 查看某个字段的类型和说明
kubectl explain gpupool.spec.capacityConfig
kubectl explain tensorfusionworkload.spec --recursive

# 导出某个 CRD 的完整 OpenAPI schema
kubectl get crd gpupools.tensor-fusion.ai -o yaml

CRD 的源码在 tensor-fusion 仓库：Go 类型在 api/v1/，生成的 YAML 在 config/crd/bases/。

资源之间的关系

基础设施资源

策略与配置资源

工作负载资源

查看你所用版本的准确 schema

延伸阅读

目录

Kubernetes 扩展资源定义

资源之间的关系

基础设施资源

策略与配置资源

工作负载资源

查看你所用版本的准确 schema

延伸阅读

目录