OpenShift 4.16 × NVIDIA L4 GPU環境における vGPU と TimeSlicing の比較と導入方法
vSphere環境にOpenShiftを構築し、AIワークロードやGPU活用を進める際、GPUのリソースを複数Podで共有したいというニーズが高まっています。特にNVIDIAのL4 GPUを使う場合、その性能を最大限に活かすために「vGPU（仮想GPU）」と「TimeSlicing（時分割）」という2つのアプローチがあります。
本記事では、OpenShift 4.16 上に構築されたGPUノードで、vGPUとTimeSlicingをどのように選択・設定すべきかを、メリット・デメリットも含めて解説します。
はじめに：今回の前提環境
- OpenShiftバージョン：4.16
- GPUモデル：NVIDIA L4（Ampereアーキテクチャ）
- 仮想化基盤：vSphere上のESXiホスト
- 目的：GPUリソースの効率的な共有（1ノードを複数Podで利用）
なお、L4はMIG（Multi-Instance GPU）に対応していないため、MIGの構成は対象外とし、vGPU と TimeSlicing のみを比較対象とします。
vGPU（仮想GPU）とは？
特徴
vGPUは、GPUをハイパーバイザー（今回はESXi）レベルで仮想化し、仮想マシン単位にGPUリソースを割り当てる技術です。仮想マシンごとにvGPUプロファイル（例：1GB, 4GBなど）を指定することで、GPUの物理リソースを複数VMに分割可能です。
メリット
- ハード的にリソースを分割するため、安定性・セキュリティに優れる
- QoSの担保がしやすく、ワークロードごとに明確な割り当てが可能
- VMware vSphereとの親和性が高く、管理が一元化しやすい
デメリット
- vGPUライセンス（NVIDIA vGPUソフトウェア）が必要
- Pod単位のスケジューリングは難しく、仮想マシン単位の制御になる
- 柔軟な分割（1GPUを多数のPodで共有など）がしづらい
設定方法（概要）
- ESXiでvGPU機能が有効なホストを用意
- NVIDIA vGPU Manager をESXiにインストール
- vGPUプロファイルを指定してOpenShiftノード用のVMを作成
※同じノードに異なるvGPUプロファイルを指定することはNG
podからの要求はvGPUの個数のためサイズを区別できない - VM内にNVIDIAドライバを導入し、Device Pluginを設定
- Pod定義で
nvidia.com/gpuをリクエストしてスケジューリングapiVersion: v1
kind: Pod
metadata:
name: gpu-pod
spec:
containers:
- name: gpu-container
image: nvidia/cuda:12.2.0-base-ubuntu22.04
resources:
limits:
nvidia.com/gpu: 1 # ← GPUを1つリクエスト
TimeSlicing（時分割共有）とは？
特徴
TimeSlicingは、物理的な1枚のGPUを時間的に分割し、複数のPodに割り当てる方法です。OpenShiftのGPU Device Pluginにより、論理的な「1GPU = nPod」の構成が可能になります。
メリット
- ライセンス不要（NVIDIA A100 などの特別なハード前提なし）
- 物理GPUの柔軟な共有が可能（例：1枚のL4を4つのPodで共有）
- Pod単位でのGPU利用が可能になり、Kubernetes的な運用がしやすい
デメリット
- ハードウェアリソースを時間的に共有するため、性能の揺らぎが出る
- セキュリティ/安定性の担保がvGPUに比べて劣る
- OpenShift側の設定やカスタムがやや複雑
設定方法（概要）
- GPUドライバ（NVIDIA L4対応）とCUDAツールキットをVMに導入
- NVIDIA GPU Operator をOpenShiftに導入
pod-resource-apiを使ってnvidia.com/gpu.sharedのようなリソースリクエストを定義- ConfigMapなどで
time-slicingの割当単位を設定（例：4Pod分割）apiVersion: v1
kind: Pod
metadata:
name: gpu-timeslice-pod
spec:
containers:
- name: app
image: your-gpu-app
resources:
limits:
nvidia.com/gpu: 0.25
比較まとめ
vGPUとTimeSlicingの比較表
| 項目 | vGPU | TimeSlicing |
|---|---|---|
| 仮想化単位 | VM単位（vSphere依存） | Pod単位（K8sネイティブ） |
| ライセンス | 有償（NVIDIA vGPUライセンス） | 不要（NVIDIAドライバで可） |
| 安定性・QoS | 高い | 中程度（共有による揺らぎ） |
| 柔軟性 | 中（プロファイル依存） | 高（柔軟なPod分割可能） |
| 設定の複雑さ | 低〜中（VM設定中心） | 中〜高（K8s構成の理解が必要） |
| 導入ハードル | 高（vSphere + vGPUセットアップ必要） | 中（K8sにnvidia-device-pluginで済む） |
| GPUリソースの粒度 | 粗い（プロファイル単位） | 細かい（時間スライスで分割） |
| Kubernetesとの親和性 | 低（外部仮想化に依存） | 高（K8sネイティブに統合可能） |
| 可搬性 | 低（vSphere環境前提） | 高（任意のK8s環境で利用可能） |
| モニタリング・運用 | vCenter等の外部ツールが必要 | K8s内のツールで一元管理が可能 |
結論：どちらを選ぶべきか？
- 高い安定性と明確なリソース分割を求める場合：vGPUがおすすめ。特に既存のvSphere環境を活かしつつ、商用環境でのGPU運用を前提とするケースに適しています。
- 柔軟性とコストを重視する場合：TimeSlicingが有効。PoCや軽量ワークロード、小規模クラスタでのGPU活用に最適です。
本番環境では、まずPoCでTimeSlicingを試し、性能や安定性に課題があればvGPUに移行する、というアプローチも現実的です。
OpenShift × GPUの世界は日々進化しています。OpenShift 4.16はNVIDIA GPU Operatorとの相性も良く、TimeSlicingなどの共有設定も進化しています。vSphere環境でもGPU活用が広がる中で、適切な構成選定が今後の運用を大きく左右します。ぜひ本記事を参考に、最適なGPU活用戦略を練ってみてください。
コメント