更新日志

核心引擎特性

• up_limit >= 100 时跳过 hooks 安装（透传模式）。
• 增加隔离 annotation，"shard"/"hard" 隔离级别跳过 hook 初始化。
• device plugin 新增 nvidia-dev-root 选项，支持自定义宿主机路径前缀。
• hypervisor 从 cgo 重构为 purego 调用，提升可移植性。

技术改进与 Bug 修复

• 优化 pod 注册 API（fast-path caching）。
• 优化 rate_limiter 快速路径（up_limit cache）。
• 修复 hypervisor 启动与名称不匹配问题。
• 修复 device plugin 与 index queue 问题。
• 完善 device mock 代码以便测试。
• 切换到 NexusGPU/frida-gum 分支。
• 优化 hypervisor、类型定义与 TUI。
• 改进 Karpenter 权限处理。
• 修复 pod index split 逻辑。

生态

• 改进 Karpenter 集成，优化权限处理。

组件版本

• tensor-fusion-operator:1.48.2
• tensor-fusion-node-discovery:1.48.2
• tensor-fusion-worker:1.68.0
• tensor-fusion-client:1.61.1
• tensor-fusion-ngpu:1.8.1
• tensor-fusion-hypervisor:1.41.7

核心引擎特性

• 实现分区调度，支持硬件分区隔离（类 MIG 模式）。
• 新增无锁 Kubernetes 设备扩展，提升可扩展性。
• 引入设备控制器，管理加速卡生命周期。
• vgpu.rs 支持按 QoS 等级自动冻结配置。
• tensor-fusion hypervisor 集成 Kubernetes device plugin。
• 新增 pod 注册覆盖检测。
• 里程碑：硬隔离模式——空间划分共享（不支持超分）。

技术改进与 Bug 修复

• 增加 enqueue 扩展插件实现 queue hint，加速重调度。
• K8s device plugin 设备 ID 范围从 256 扩展到 512。
• 统一各 crate 的 pod resource 命名。
• 为 PID 控制器增加 integral_decay_factor，遗忘旧 clamp 数据。
• 修复 forward leader API 认证问题。
• 修复大量 pending pod 时节点自动扩容问题。
• 消除代码重复，优化性能。
• 跨模块支持 compute shard。
• 配置中 compute-isolation 重命名为 isolation。

生态

• 暂无。

核心引擎特性

• 新增 软/硬/共享 计算隔离模式，支持计算百分比调度。
• 引入 sidecar worker 模式用于硬隔离，支持 annotation 自定义。
• 支持 VRAM 硬隔离，提供严格内存限制。
• 实现弹性速率限制器，支持自适应计算节流。
• 支持从 nvidia.com/gpu limits 简化迁移。

技术改进与 Bug 修复

• 修复 ld.so.preload is not an ELF file 问题（更改 conf 路径）。
• 修复远程 worker 计算百分比与 NVML hook 问题。
• 使用 ld.so.conf.d 管理动态库路径（替代 LD_LIBRARY_PATH）。
• 增加 so.1 回退，兼容检测 libcuda.so.1 的应用。
• 修复共享内存清理死锁。
• 默认禁用 ngpu 模式。
• 修复节点扩展与 NUMA 节点未找到问题。
• 优化历史指标加载。
• 修复 Deployment 只生成单个 workload 的问题。

生态

• 暂无。

核心引擎特性

• 实现基于资源利用率的 GPU 工作负载自动伸缩。
• Pod pending 时支持节点自动扩展，与 Karpenter 集成。
• 新增 GPU worker 抢占能力，提升调度公平性。
• 支持单组件自动更新配置。
• 实现共享内存 TUI 监控工具，便于实时调试。
• 当 up_limit >= 100 时跳过 kernel launch 限制，支持透传场景。

技术改进与 Bug 修复

• 优化默认放置与评分策略，提升调度质量。
• 改进 K8s 版本兼容性，修复 Karpenter label/annotation 问题。
• 修复 dedicated GPU annotation 导致 webhook 失败的问题。
• 在 Bind 阶段增加资源校验，防止 GPU 超分配。
• 修复 GPU UUID 处理，确保跨模块大小写不敏感匹配。
• 增大默认共享内存到 128 MB 并增加填充。
• 简化 Limiter 休眠机制为固定时长。
• 为 GPU K8s node 增加 hash，为 hypervisor 增加 owner ref。
• 隔离 shm 路径（按 cluster/namespace）。

生态

• 深化 Karpenter 集成，支持节点扩展与 label/annotation 处理。

核心引擎特性

• 新增 hypervisor 探针 用于健康检查与监控。
• 实现大规模基准测试与性能优化，支撑高 GPU 数量集群。
• 新增 计算百分比追踪 指标。
• 引入 healthz/readyz API 用于 hypervisor 存活与就绪探测。

技术改进与 Bug 修复

• 增加 kubelet pod-resource 挂载，用于实时 device-plugin 分配检测。
• 修复 metrics recorder 导致系统指标丢失的问题。
• 增加 extra metrics label 重映射能力。
• 优化缩容时 Pod 的排序逻辑。
• 修复 K8s 1.20-1.22 兼容性问题。
• 新增内存百分比指标与功耗/NVLink 带宽占位符。
• 修复低版本 Kubernetes hypervisor 认证问题。
• 更新 operator Dockerfile。
• 更新 README 与单元测试覆盖。

生态

• 里程碑：支持 RDMA 传输，实现低延迟/高吞吐远程 GPU 访问。

核心引擎特性

• 新增 GPUNodeClaim 对接云厂商与 Karpenter 自动伸缩。
• 支持从现有 NVIDIA operator/device-plugin 体系渐进式迁移。
• 内置组件 manifest 支持 JSON 监控格式与动态标签。
• worker/hypervisor 容器支持 pod namespace 与 container name 环境变量。
• 引入共享内存版本控制与跨进程协调机制。
• vgpu.rs hypervisor 集成 Kubernetes device plugin。
• 新增实时监控 TUI 工具。
• 实现 dlsym 钩子与 NVML hook 设备限制（替代环境变量方式）。

技术改进与 Bug 修复

• 修复 scheduler reserve plugin 与 workload vGPU worker 伸缩问题。
• 增加 shm device 实现进程间 limiter 共享与 hypervisor 通信。
• 修复 allocation debug/simulate、allocator 内存状态与空指针问题。
• 修复远程 worker token review 权限问题。
• 解决共享内存孤儿锁导致的死锁。
• 修复 Helm 配置与 GPU node 补丁问题。
• 发布 x64/arm64 bootstrap 产物。
• 为 hypervisor 及 init 容器增加安全上下文。

生态

• 集成 Karpenter 实现 GPU 节点自动伸缩。

核心引擎特性

• 调度器重构到 Kubernetes scheduler framework，支持 ngpu 模式。
• 集成 告警能力（Alertmanager），优化指标链路。
• 为 limiter 增加 CUDA 测试套件，保障隔离能力质量。

技术改进与 Bug 修复

• 修复配置路径不匹配、重复释放 GPU 等问题。
• 优化 CUDA 核心可用性同步（condvar 替代 busy-wait）。
• 简化 IPC 处理并改进指标/日志正确性。
• 优化部署配置与反亲和性设置。
• 补充 hostType 与 log collection 配置支持。
• 完善安装指南与使用示例。

生态

• 里程碑：完整 NVIDIA 远程 GPU 能力，并支持 Windows vGPU / Remote GPU。
• 集成 AlertManager 用于 GPU 集群告警。

核心引擎特性

• 支持客户端申请 多个 GPU，并支持 GPU 型号过滤。
• 增强 TensorFusionWorkload 状态/条件表达与组件更新流程。
• 支持基于环境变量按 GPU UUID（或 index） 设置 CUDA 限额。
• 引入 加权调度 与 构建版本信息。

技术改进与 Bug 修复

• 优化 worker watcher 解耦与 GPU 利用率异常处理。
• 改进分配指标，完善 CRD schema/注解。
• 提升线程管理与懒加载 socket 连接能力。
• 修复 TFLOPs 指标缺失与部分 GPU 利用率 NVML 异常。
• 内存中维护所有 GPU 状态，减少 apiserver 访问压力。
• 启动时打印版本信息，便于排障与追踪。

生态

• 暂无。

核心引擎特性

• 支持 TensorFusion Pod 的 灰度 / 金丝雀发布。
• 新增 CUDA 内存 hook 能力（如 cuMemCreate），支持更严格的内存限制。
• 引入 limiter 相关 crate，构建隔离能力基础。
• add-path 支持 TF_PREPEND_* 前置模式，优化库加载顺序控制。

技术改进与 Bug 修复

• 改进 Pod cleanup 与 finalizer 语义。
• 修复 Helm chart、GPU info map 等配置问题。
• 补充 FOSSA 扫描状态报告与 CI 修复。
• 修复 release workflow 中的 artifact 下载问题。
• 完善安装与使用文档。

生态

• 暂无。

核心引擎特性

• 支持基于 TFLOPs 的资源限制与 GPU 信息配置能力。
• 连接 URL 引入 worker 版本，提升兼容性管理能力。
• 增加 分布控制（如 maxSkew）优化 workload 在节点间的分布。
• 支持配置 metrics batch size，并新增 GPU 温度监控能力。
• 实现 worker 暂停（pause）功能，支持更灵活的调度控制。

技术改进与 Bug 修复

• 强化 workload finalizer 处理与事件记录机制。
• 输出 GPU 设备指标，改进 worker 错误处理。
• 提升 NVML 初始化容错能力，增加 fallback 机制。
• 修复 pod template hash 与所有权引用相关问题。
• 支持 Docker 镜像添加 latest 标签，便于集成与部署。

生态

• 暂无。

Core Engine Features

• 增强 集群 Reconcile 与 GPU Node 控制器 ownership 逻辑。
• 加固控制面在 Node/Controller 资源生命周期管理上的稳定性。

Technical Improvements & Bug Fixes

• 修复 Node/Controller 生命周期相关稳定性问题（包含控制器 panic）。
• 完善生命周期处理（destroying 阶段、NotFound 等）并提升 GPU pool controller 鲁棒性。

Ecosystem

• 暂无（厂商/传输等生态能力会在后续月份集中出现）。

Core Engine Features

• 在控制器/Operator 与 vGPU 引擎侧完善 GPU 指标体系打底（TFLOPs/VRAM、日志链路）。
• 强化 GPU Pool / 资源管理 基础能力与控制器侧信号采集。

Technical Improvements & Bug Fixes

• 修复 webhook/service 配置问题，避免 worker 端口冲突。
• 改进 GPU 进程指标与 NVML 初始化容错。

Ecosystem

• 暂无（厂商/传输等生态能力会在后续月份集中出现）。