释放潜能：Hyper-V 环境下 NVIDIA GPU 性能优化终极指南

这取决于您的具体需求：

• 如果您需要为单个虚拟机提供极致的、无妥协的GPU性能（例如运行专业图形设计软件、AAA级游戏、复杂的AI训练模型），并且可以接受该GPU被此VM独占，那么GPU直通 (DDA) 是更好的选择。
• 如果您希望在多个虚拟机之间共享一个物理GPU的资源，以提高硬件利用率和虚拟机密度（例如VDI环境、多个用户运行轻量级CAD应用或进行AI推理任务），那么GPU分区 (GPU-P) 更为合适。GPU-P也使得每个VM分配到的GPU资源可以更灵活地调整。

考虑因素还包括成本（GPU-P可能涉及NVIDIA vGPU软件许可）、管理复杂性和您环境中GPU的类型（并非所有GPU都支持这两种技术）。

关键步骤如下：

1. 获取正确的驱动程序：始终从NVIDIA官方网站 (NVIDIA.com) 下载。根据您使用的GPU型号和虚拟化方式（DDA或GPU-P/vGPU）选择合适的驱动程序。对于vGPU，您可能需要NVIDIA RTX Enterprise驱动或NVIDIA Virtual Compute Server驱动，并可能需要相应的许可。
2. 主机驱动安装：确保Hyper-V主机上已安装了兼容的NVIDIA驱动程序。
3. DDA的虚拟机驱动安装：
   • 在主机上，使用PowerShell命令将物理GPU从主机驱动中卸载 (Disable-PnpDevice) 并分配给虚拟机 (Add-VMAssignableDevice)。
   • 启动虚拟机。操作系统应能检测到新的PCI设备。
   • 在虚拟机内部，像在物理机上一样运行NVIDIA驱动程序安装程序。
4. GPU-P的虚拟机驱动安装：
   • 在主机上配置GPU分区，并将一个分区分配给虚拟机。
   • 启动虚拟机。
   • 在虚拟机内部，安装与主机vGPU软件版本相匹配的NVIDIA客户机驱动程序。
5. 验证安装：安装完成后，检查虚拟机的设备管理器，确保NVIDIA GPU被正确识别且没有错误。运行NVIDIA控制面板或nvidia-smi命令行工具（如果可用）以确认GPU状态。

重要提示：避免使用Windows Update自动安装的驱动程序，因为它们可能不是最新或功能不全。确保主机和虚拟机驱动版本兼容。

GPU在虚拟机中性能不佳可能由多种因素导致：

• 驱动程序问题：主机或虚拟机中安装了不正确、不兼容或过时的驱动程序。
• 资源瓶颈：虚拟机分配的vCPU数量不足、内存太小，或者主机本身资源（CPU、内存、磁盘I/O）不足。
• 配置错误：DDA或GPU-P配置不正确，例如MMIO空间 (HighMemoryMappedIoSpace) 分配不足。
• 虚拟化层开销：虚拟化本身会带来一定的性能开销，尤其是在某些配置或工作负载下。
• 不当的远程访问方式：使用Hyper-V增强会话模式 (RDP) 进行图形密集型任务，RDP并非为此设计。
• 散热问题：物理GPU过热导致降频。
• 共享资源竞争 (GPU-P)：如果使用GPU-P，其他虚拟机可能正在大量消耗GPU资源。
• 操作系统或应用设置：虚拟机操作系统内部的电源管理设置、应用程序的图形设置等未优化。
• Hyper-V主机配置：主机BIOS/UEFI中未启用必要的虚拟化支持（如IOMMU）。

诊断时，应使用性能监控工具（如任务管理器、资源监视器、NVIDIA SMI）检查主机和虚拟机的CPU、内存、磁盘和GPU使用情况，以找出瓶颈所在。

主要硬件要求包括：

• CPU：必须支持IOMMU（输入/输出内存管理单元）。对于Intel CPU，这指的是Intel VT-d (Virtualization Technology for Directed I/O)。对于AMD CPU，则是AMD-Vi (AMD I/O Virtualization Technology)。此功能需要在BIOS/UEFI中启用。
• 主板/芯片组：主板芯片组也必须支持IOMMU，并能正确实现PCIe设备的隔离。
• GPU：
  • 对于DDA：大多数现代NVIDIA GPU（服务器级和部分高端消费级）都支持DDA。关键是GPU的驱动程序和固件能够配合Hyper-V进行设备分配。
  • 对于GPU-P：需要支持GPU分区的NVIDIA GPU，通常是较新的NVIDIA A系列（如A2, A16, A40, A100）或其他支持SR-IOV并能被NVIDIA vGPU软件管理的GPU。部分消费级显卡（如RTX 40系列）也开始支持一种形式的GPU-P，但功能和支持可能与企业级方案不同。
• BIOS/UEFI：固件必须支持并正确配置IOMMU，以及其他相关的虚拟化扩展（如Intel VT-x 或 AMD-V）。确保BIOS/UEFI是最新版本。
• 充足的PCIe插槽和电源：物理上需要有可用的PCIe x16插槽，以及能够为GPU提供足够电力的电源。

建议查阅服务器/主板制造商以及NVIDIA的官方文档，获取最新的硬件兼容性列表和具体要求。

实时迁移带有GPU的虚拟机比普通虚拟机更复杂，需要注意以下几点：

• DDA (GPU直通)：
  • 传统上，DDA分配的设备会阻止虚拟机进行实时迁移。如果尝试迁移，VM会先保存状态，然后在目标主机上恢复，这会导致服务中断。
  • 较新版本的Windows Server和Hyper-V可能对DDA设备的实时迁移支持有所改进，但通常会回退到使用TCP/IP和压缩进行数据传输，这会增加主机CPU利用率并延长迁移时间。 GPU状态可能不会被完整迁移。
  • 目标主机必须有兼容且可用的GPU，并且也配置为DDA。
• GPU-P (GPU分区/vGPU)：
  • GPU-P/vGPU方案通常设计为支持实时迁移，但具体能力取决于NVIDIA vGPU软件版本、驱动程序和Hyper-V版本。
  • NVIDIA驱动程序对于GPU-P的实时迁移支持可能有限制，或者需要特定配置。例如，某些版本的NVIDIA驱动可能不支持带有GPU分区的实时迁移。
  • 集群中的所有主机必须拥有兼容的GPU硬件，并安装相同版本的NVIDIA vGPU主机驱动和管理软件。
  • 目标主机上必须有足够的可用GPU分区资源来容纳迁移过来的VM。
  • 迁移过程中，GPU内存中的内容可能需要重新加载或会丢失，应用程序需要能够妥善处理这种情况。
• 通用注意事项：
  • 同构环境：强烈建议集群中所有Hyper-V主机的GPU型号、驱动版本、固件版本保持一致，以最大限度提高实时迁移的成功率和兼容性。
  • 网络带宽：GPU内存通常很大，迁移时需要大量网络带宽。确保迁移网络有足够的吞吐能力。
  • 测试：在生产环境部署前，务必在测试环境中充分测试GPU虚拟机的实时迁移功能。
  • 许可：对于NVIDIA vGPU方案，确保许可服务器配置正确，并且在迁移后VM仍能获取到有效许可。

请始终参考Microsoft和NVIDIA的最新官方文档，了解特定版本和配置下的实时迁移支持情况和最佳实践。