硬件需求
1. 说明
CSGHUB 为云原生 AI 托管平台，包含以下核心负载类型：
- 控制面服务（API / Web / 调度）
- 数据面服务（模型、数据集、制品存储）
- 计算任务（Dataflow / Runner / 推理任务）
- 可选 AI 组件（GPU / Knative / Argo）
因此 硬件需求强依赖部署规模与使用场景。
2. 部署模式划分
| 部署模式 | 适用场景 | 特点 |
|---|---|---|
| Docker 单机 | 开发 / Demo | 简单、资源低 |
| 单节点 K8s | 测试 / POC | 接近生产架构 |
| 标准 K8s 集群 | 生产 | 可扩展 |
| 高可用集群 | 大规模生产 | 多节点冗余 |
3. 测试/开发环境（最低配置）
适用于：
- 功能验证
- 本地开发
- 单人使用
3.1 推荐配置
| 资源 | 配置 |
|---|---|
| CPU | 4 Core |
| 内存 | 8 GB |
| 存储 | ≥ 200 GB（SSD） |
| 网络 | ≥ 1 Gbps |
3.2 说明
- 可使用 Docker
- 不建议启用：
- Dataflow
- 大规模 Runner
- GPU 推理
- 存储可使用本地磁盘（hostPath）
4. 中小规模生产环境（推荐配置）
适用于：
- 团队使用（10~100 人）
- 模型 / 数据集管理
- 中等规模任务调度
4.1 集群规模
- 3 ~ 5 节点 Kubernetes 集群
4.2 单节点配置
| 资源 | 推荐 |
|---|---|
| CPU | 8 ~ 16 Core |
| 内存 | 16 ~ 32 GB |
| 存储 | ≥ 1 TB SSD |
| 网络 | ≥ 1 ~ 10 Gbps |
4.3 总体资源（示例）
| 类型 | 建议 |
|---|---|
| 总 CPU | ≥ 32 Core |
| 总内存 | ≥ 64 GB |
| 存储 | ≥ 3 TB |
5. 大规模生产环境（高负载）
适用于：
- 多团队 / 多租户
- 高频任务调度
- AI 推理 / 训练
- 大规模数据集
5.1 集群规模
- 5 ~ 20+ 节点
5.2 单节点配置
| 资源 | 推荐 |
|---|---|
| CPU | 16 ~ 64 Core |
| 内存 | 64 ~ 256 GB |
| 存储 | ≥ 2 TB NVMe SSD |
| 网络 | ≥ 10 Gbps |
6. GPU资源（可选）
适用于：
- 模型推理
- AI 训练
- 模型评测
6.1 推荐配置
| 场景 | GPU |
|---|---|
| 轻量推理 | 1 × T4 / L4 |
| 中等负载 | 1~4 × A10 / A100 |
| 大规模训练 | 多节点 GPU |
6.2 注意事项
- 必须部署：
- NVIDIA Driver
- NVIDIA Device Plugin
7. 存储要求（关键）
7.1 必选能力
- ✅ 支持 CSI
- ✅ 支持动态卷（Dynamic Provisioning）
- ✅ 至少一个 StorageClass
7.2 存储类型建议
| 类型 | 用途 | 推荐 |
|---|---|---|
| 本地 SSD | 测试 | ✅ |
| NAS / NFS | RWX 场景 | ⚠️（性能一般） |
| 分布式存储（Ceph / Longhorn） | 生产 | ✅ |
| 对象存储（S3） | 数据集 / 模型 | ✅ |
7.3 RWX（ReadWriteMany）要求
以下组件必须支持 RWX：
- Dataflow
- Csgship
- 部分任务调度
👉 不满足会导致：
- 任务失败
- 数据不可共享
7.4 存储容量估算
建议按以下公式估算：
总存储 =
模型大小 × 模型数量
+ 数据集大小 × 数据集数量
+ 构建缓存（约 20%）
+ 日志（约 10%）
示例：
| 项目 | 大小 |
|---|---|
| 模型 | 500 GB |
| 数据集 | 2 TB |
| 缓存 + 日志 | 500 GB |
| 总计 | ≈ 3 TB |
8. 不同组件资源消耗说明
| 组件 | CPU | 内存 | 存储 | 特点 |
|---|---|---|---|---|
| API / Web | 低 | 低 | 低 | 控制面 |
| Dataflow | 中 | 中 | 高 | 强依赖 IO |
| Runner | 高 | 中 | 中 | 弹性扩展 |
| Knative | 中 | 中 | 低 | 自动扩缩容 |
| Argo | 中 | 中 | 中 | 工作流调度 |
9. 部署方式 vs 硬件建议
9.1 Docker单机
| 项目 | 配置 |
|---|---|
| CPU | ≥ 4 Core |
| 内存 | ≥ 8 GB |
| 适用 | Demo |
9.2 Kubernetes单节点
| 项目 | 配置 |
|---|---|
| CPU | ≥ 8 Core |
| 内存 | ≥ 16 GB |
9.3 标准Kubernetes
| 项目 | 配置 |
|---|---|
| 节点数 | ≥ 3 |
| 单节点 | 8C / 16GB |
9.4 高可用集群
- Kubernetes 项目配置Master3 节点Worker≥ 3Master / Worker 单节点4C / 8GB / 8C / 16GB
- PostgreSQL 项目配置节点数3单节点4C / 8GB
- Object Storage 项目配置节点数4单节点4C / 8GB
- Gitaly 项目配置节点数3单节点8C / 16GB
10. 常见问题与风险
10.1 资源不足会导致
- Pod OOMKilled
- 调度失败
- 任务卡死
- IO 瓶颈（最常见）
10.2 存储问题
- 不支持 RWX → Dataflow 启动失败
- IO 慢 → 训练 / 推理性能下降
10.3 网络问题
- 带宽不足 → 模型拉取慢
- 延迟高 → 服务不稳定
11. 总结建议
- 测试环境：4C / 8GB / 200GB
- 生产环境：8C+ / 16GB+ / 1TB+
- 推荐使用 Kubernetes 集群部署
- 存储优先考虑：
- RWX + 高 IO
- AI 场景建议单独 GPU 节点