**Bantu meningkatkan halaman ini ** 

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Untuk berkontribusi pada panduan pengguna ini, pilih GitHub ** tautan ** Edit halaman ini di yang terletak di panel kanan setiap halaman.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Gunakan pemotongan waktu dengan GPU NVIDIA di Amazon EKS
<a name="device-management-nvidia-time-slicing"></a>

Time-slicing memungkinkan beberapa Pod berbagi satu GPU NVIDIA fisik. Penjadwal Kubernetes menempatkan beberapa Pod pada GPU yang sama, dan penjadwal CUDA GPU mengalikan waktu pekerjaan. Time-slicing adalah GPU-sharing strategi yang paling sederhana. Ini hanya menggunakan perangkat lunak, tidak memerlukan perangkat keras khusus, dan berfungsi pada setiap jenis instans GPU NVIDIA AWS. Time-slicing tidak menawarkan memori atau isolasi komputasi antara Pod yang berbagi GPU. Ini paling sesuai dengan beban kerja dengan pemanfaatan GPU rendah, seperti layanan inferensi yang menganggur antara permintaan atau lingkungan pengembangan di mana beberapa pengguna berbagi GPU. Untuk beban kerja yang memerlukan memori tingkat perangkat keras dan isolasi komputasi, gunakan Multi-Instance GPU (MIG) sebagai gantinya.

Di Amazon EKS, Anda dapat mengelola pemotongan waktu dengan driver [ NVIDIA DRA ](device-management-nvidia-dra-device-plugin.md#eks-nvidia-dra-driver) atau plugin perangkat [ NVIDIA. ](device-management-nvidia-dra-device-plugin.md#eks-nvidia-device-plugin)

Time-slicing hanya dapat digunakan dengan Karpenter jika Anda menggunakan penyediaan kapasitas [ statis. ](https://karpenter.sh/docs/concepts/nodepools/#static-nodepool) Time-slicing saat ini tidak tersedia dalam Mode Otomatis EKS.

Time-slicing cocok ketika:
+ Pemanfaatan GPU secara konsisten rendah, misalnya layanan inferensi sensitif latensi yang menganggur di antara permintaan.
+ Beberapa pengembang berbagi satu node GPU untuk notebook atau pekerjaan pengembangan.
+ Node Anda menggunakan jenis instans GPU yang tidak mendukung MIG, seperti `g6e` keluarga `g5``g6`,, atau.
+ Anda dapat menerima bahwa Pod terkadang lebih lambat karena Pod lain pada GPU yang sama sibuk.

Pertimbangkan pendekatan yang berbeda ketika:
+ Anda membutuhkan isolasi memori. Pod pada GPU yang diiris waktu berbagi memori GPU yang sama, dan satu Pod dapat menghabiskan memori yang diandalkan oleh Pod lain. Gunakan MIG untuk isolasi memori.
+ Anda memerlukan latensi per-pod atau kualitas layanan yang dapat diprediksi. Penjadwal GPU berbagi komputasi di seluruh slot berdasarkan upaya terbaik tanpa jaminan.
+ Anda menjalankan beban kerja pelatihan. Time-slicing menambahkan pengalihan konteks yang mengurangi efisiensi pelatihan. Pekerjaan yang diperiksa yang diperlambat oleh Pod lain harus dicoba lagi dari pos pemeriksaan terakhirnya.

## Pertimbangan-pertimbangan
<a name="eks-time-slicing-considerations"></a>

Tinjau pertimbangan berikut sebelum Anda menggunakan pemotongan waktu dalam produksi.

### Pertimbangan umum
<a name="_general_considerations"></a>
+  **Tidak ada isolasi memori: ** Pod yang berbagi GPU yang diiris waktu berbagi memorinya. Satu Pod dapat mengalokasikan memori yang dibutuhkan Pod lain, yang dapat menyebabkan kesalahan kehabisan memori. Cocokkan jumlah Pod yang berbagi setiap GPU dengan jejak memori beban kerja Anda. Jika Pod Anda memuat model besar secara teratur, bagikan lebih sedikit Pod per GPU atau gunakan MIG.
+  **Best-effort berbagi komputasi: ** Penjadwal GPU berbagi komputasi di seluruh Pod berdasarkan upaya terbaik dan tidak menjamin komputasi proporsional untuk setiap Pod.
+  **Time-slicing dan MPS tidak dapat berbagi GPU yang sama: ** Time-slicing menyetel mode komputasi GPU ke`DEFAULT`, sementara Multi-Process Layanan NVIDIA (MPS) membutuhkan`EXCLUSIVE_PROCESS`. Anda dapat menggunakan kedua strategi dalam cluster yang sama, tetapi tidak pada GPU fisik yang sama pada saat yang bersamaan. Time-slicing juga tidak berpengaruh pada instance MIG. Untuk berbagi satu instans MIG di seluruh kontainer, gunakan MPS sebagai gantinya.
+  **Per-container metrik: ** NVIDIA Data Center GPU Manager (DCGM) tidak dapat mengaitkan metrik ke wadah individu saat pemotongan waktu aktif. GPU-level metrik tetap tersedia, tetapi Anda tidak dapat mengidentifikasi Pod mana yang menggunakan sejumlah sumber daya GPU tertentu.

### Pertimbangan driver NVIDIA DRA
<a name="_nvidia_dra_driver_considerations"></a>
+  **Fitur Alpha: ** Time-slicing melalui driver DRA memerlukan gerbang `TimeSlicingSettings` fitur, yang merupakan fitur alfa yang dinonaktifkan secara default. Untuk informasi selengkapnya, lihat [Gunakan pemotongan waktu GPU dengan driver NVIDIA DRA](#eks-time-slicing-dra).
+  **User-mediated hanya berbagi: ** Pod berbagi GPU hanya dengan mereferensikan `ResourceClaim` atau yang sama, yang bercakupan ruang nama`ResourceClaimTemplate`, jadi berbagi tidak dapat melintasi ruang nama. System-mediated berbagi adalah kemampuan masa depan yang diusulkan.
+  **Nonaktifkan plugin perangkat bawaan di Bottleroc ** ket: Driver DRA tidak dapat berjalan bersama plugin perangkat NVIDIA pada node yang sama. Di Bottlerocket, nonaktifkan plugin perangkat bawaan, yang memerlukan Bottlerocket versi 1.63.0 atau yang lebih baru. Untuk informasi selengkapnya, lihat [Instal driver NVIDIA DRA](device-management-nvidia-dra-device-plugin.md#eks-nvidia-dra-driver).
+  **Dukungan komputasi: ** Driver NVIDIA DRA didukung dengan penyediaan kapasitas statis di Karpenter, grup node yang dikelola EKS, atau node yang dikelola sendiri, dan tidak didukung dengan Mode Otomatis EKS. Untuk informasi selengkapnya, lihat NodePool dokumentasi statis [ Karpenter ](https://karpenter.sh/docs/concepts/nodepools/#static-nodepool) di situs web Karpenter.

### Pertimbangan plugin perangkat NVIDIA
<a name="_nvidia_device_plugin_considerations"></a>
+  **Best-effort berbagi komputasi dengan slot: ** Plugin perangkat mengiklankan jumlah slot tetap per GPU. Jika satu Pod meminta lebih dari satu slot, itu tidak menerima komputasi tambahan. Aktif `fail-requests-greater-than-one` kan opsi untuk menolak Pod yang meminta lebih dari satu slot.
+  **Penyediaan dengan Karpenter: ** Karpenter menghitung setiap `nvidia.com/gpu` permintaan sebagai GPU fisik bahkan ketika pemotongan waktu diaktifkan pada GPU. Untuk informasi selengkapnya, lihat masalah [ Karpenter \#2140 ](https://github.com/kubernetes-sigs/karpenter/issues/2140) di. GitHub
+  **Tidak ada dukungan pada Mode Otomatis ** EKS: Mode Otomatis EKS mengelola plugin perangkat NVIDIA dan tidak mengekspos konfigurasinya. Karena pemotongan waktu memerlukan konfigurasi plugin perangkat, Anda tidak dapat menerapkan konfigurasi pemotongan waktu pada node Mode Otomatis EKS.
+  **Time-slicing perubahan konfigurasi: ** Plugin perangkat NVIDIA tidak memantau pemotongan waktu `ConfigMap` untuk perubahan. Mulai ulang plugin perangkat setelah Anda memperbarui konfigurasi.

## Opsi konfigurasi
<a name="eks-time-slicing-configuration-options"></a>

Anda dapat menggunakan pengiris waktu untuk GPU NVIDIA dengan AMI NVIDIA EKS-optimized AL2023 dan Bottlerocket. Pengaturan pemotongan waktu bervariasi berdasarkan apakah Anda menggunakan driver NVIDIA DRA atau plugin perangkat NVIDIA.

------
#### [ NVIDIA DRA driver ]

AMI yang EKS-optimized dipercepat tidak termasuk driver NVIDIA DRA. Jika Anda menggunakan Bottlerocket, Anda harus menonaktifkan plugin perangkat NVIDIA bawaan sebelum menggunakan driver NVIDIA DRA dengan menyetel data pengguna node, yang memerlukan Bottlerocket versi 1.63.0 atau yang lebih baru. `settings.kubelet-device-plugins.nvidia.enabled = false` Untuk informasi selengkapnya, lihat [Instal driver NVIDIA DRA](device-management-nvidia-dra-device-plugin.md#eks-nvidia-dra-driver).

Dengan driver NVIDIA DRA, pemotongan waktu dikonfigurasi melalui. ResourceClaimTemplates `interval`Bidang mengontrol durasi irisan waktu CUDA.


| Interval | Deskripsi | 
| --- | --- | 
| Default | Menggunakan interval default bawaan driver GPU NVIDIA | 
| Pendek | Interval lebih pendek; konteks beralih lebih sering | 
| Sedang | Interval menengah | 
| Panjang | setiap konteks berjalan lebih lama per putaran sebelum didahului | 

------
#### [ NVIDIA device plugin ]
+  **Bottlerocket ** - AMI menyertakan plugin perangkat NVIDIA yang sudah diinstal sebelumnya. Anda mengonfigurasi pemotongan waktu melalui pengaturan Bottlerocket, tanpa instalasi plugin perangkat terpisah, bagan Helm, atau. `ConfigMap`
+  **AL2023 ** - Anda menginstal plugin perangkat NVIDIA seperti yang dijelaskan di[Instal plugin perangkat NVIDIA Kubernetes](device-management-nvidia-dra-device-plugin.md#eks-nvidia-device-plugin), dan menyediakan konfigurasi pemotongan waktu melalui a. `ConfigMap`

  Opsi berikut mengontrol cara plugin perangkat NVIDIA mengiklankan dan mengelola GPU yang diiris waktu. Nama bidang berbeda antara pengaturan Bottlerocket dan AL2023`ConfigMap`, seperti yang ditunjukkan dalam prosedur berikut.    
[See the AWS documentation website for more details](http://docs.aws.amazon.com/id_id/eks/latest/userguide/device-management-nvidia-time-slicing.html)

  Untuk daftar lengkap opsi berbagi GPU dan nilai defaultnya, lihat dokumentasi plugin perangkat [ NVIDIA Kubernetes di. ](https://github.com/NVIDIA/k8s-device-plugin/blob/main/README.md#shared-access-to-gpus) GitHub

------

## Gunakan pemotongan waktu GPU dengan driver NVIDIA DRA
<a name="eks-time-slicing-dra"></a>

Dengan driver NVIDIA DRA, Pod berbagi GPU dengan mereferensikan umum `ResourceClaim` yang meminta `gpu.nvidia.com` `DeviceClass` dengan pemotongan waktu. `GpuConfig`

Driver NVIDIA DRA saat ini mengimplementasikan pem * otongan * waktu yang dimediasi pengguna: GPU hanya dibagikan di antara Pod dan wadah yang secara eksplisit Anda tunjuk pada klaim yang sama. Karena a `ResourceClaim` dan a memiliki `ResourceClaimTemplate` cakupan ruang nama, Pod yang berbagi GPU dengan cara ini harus berada di namespace yang sama. Untuk berbagi GPU di seluruh kontainer dalam satu Pod, minta setiap wadah mereferensikan nama permintaan yang sama dalam klaim. Kontainer yang mereferensikan nama permintaan yang berbeda masing-masing menerima GPU terpisah. Buat interval terpisah `ResourceClaimTemplate` untuk setiap interval irisan waktu yang Anda butuhkan, dan satu di setiap namespace tempat Anda ingin berbagi GPU.

 *System-mediated*pemotongan waktu adalah ketika driver berbagi GPU di seluruh klaim independen (termasuk di seluruh ruang nama) berdasarkan kriteria yang ditentukan sistem daripada klaim yang Anda konfigurasikan. Untuk informasi selengkapnya tentang pemotongan waktu yang dimediasi sistem, lihat pemot [ System-mediated ongan waktu GPU (masalah \#659) dan pull request \#1257 on. ](https://github.com/kubernetes-sigs/dra-driver-nvidia-gpu/issues/659) [https://github.com/kubernetes-sigs/dra-driver-nvidia-gpu/pull/1257](https://github.com/kubernetes-sigs/dra-driver-nvidia-gpu/pull/1257) GitHub

**penting**  
Time-slicing melalui driver DRA memerlukan gerbang `TimeSlicingSettings` fitur, yang merupakan fitur alfa yang dinonaktifkan secara default. Jika Anda meminta strategi `TimeSlicing` berbagi tanpa mengaktifkan gerbang fitur ini, pengemudi gagal menyiapkan perangkat dan Pod tetap `ContainerCreating` mengikuti `FailedPrepareDynamicResources` acara yang dilaporkan`error validating GPU config: unknown GPU sharing strategy: TimeSlicing`. Aktifkan gerbang fitur hanya jika Anda menerima risiko menggunakan kemampuan alfa.

### Prasyarat
<a name="_prerequisites"></a>
+ Cluster Amazon EKS yang menjalankan Kubernetes versi 1.34 atau yang lebih baru. Driver NVIDIA DRA didukung dengan penyediaan kapasitas statis di Karpenter, grup node yang dikelola EKS, atau node yang dikelola sendiri.
+ Node dengan tipe instans GPU NVIDIA menggunakan EKS-optimized AL2023 NVIDIA AMI.
+ Driver NVIDIA DRA diinstal seperti yang dijelaskan di[Instal driver NVIDIA DRA](device-management-nvidia-dra-device-plugin.md#eks-nvidia-dra-driver), dengan gerbang `TimeSlicingSettings` fitur diaktifkan.

### Prosedur
<a name="_procedure"></a>

1. Buat `ResourceClaim` yang meminta GPU dengan strategi `TimeSlicing` berbagi. Beberapa Pod yang mereferensikan klaim ini berbagi GPU fisik yang sama.

   ```
   cat <<EOF | kubectl apply -f -
   apiVersion: resource.k8s.io/v1
   kind: ResourceClaim
   metadata:
     name: shared-timeslice-gpu
   spec:
     devices:
       requests:
       - name: gpu
         exactly:
           deviceClassName: gpu.nvidia.com
           count: 1
       config:
       - requests: ["gpu"]
         opaque:
           driver: gpu.nvidia.com
           parameters:
             apiVersion: resource.nvidia.com/v1beta1
             kind: GpuConfig
             sharing:
               strategy: TimeSlicing
               timeSlicingConfig:
                 interval: Long
   EOF
   ```

1. Terapkan dua atau lebih Pod yang mereferensikan nama yang `ResourceClaim` dibagikan. Setiap Pod mereferensikan klaim melalui `resourceClaims` dan`resources.claims`.

   ```
   cat <<EOF | kubectl apply -f -
   apiVersion: v1
   kind: Pod
   metadata:
     name: share-a
   spec:
     tolerations:
       - key: nvidia.com/gpu
         operator: Exists
         effect: NoSchedule
     containers:
       - name: cuda
         image: nvidia/cuda:12.6.0-base-ubuntu22.04
         command: ["nvidia-smi", "-L"]
         resources:
           claims:
           - name: gpu
     resourceClaims:
       - name: gpu
         resourceClaimName: shared-timeslice-gpu
     restartPolicy: OnFailure
   EOF
   ```

1. Verifikasi bahwa Pod berbagi GPU fisik yang sama. Jalan `nvidia-smi -L` kan di setiap Pod dan konfirmasikan mereka melaporkan UUID GPU yang sama.

   ```
   kubectl logs share-a
   ```

   Contoh output adalah sebagai berikut. Pod kedua yang mereferensikan klaim yang sama melaporkan `GPU` UUID yang identik, yang menegaskan bahwa kedua Pod berbagi satu GPU fisik.

   ```
   GPU 0: NVIDIA L4 (UUID: GPU-b41973ee-5d0a-cde8-6287-12b53f861f02)
   ```

## Gunakan pemotongan waktu GPU pada node Bottlerocket dengan plugin perangkat NVIDIA
<a name="eks-time-slicing-device-plugin-bottlerocket"></a>

Pada Bottlerocket, AMI yang EKS-optimized dipercepat menyertakan plugin perangkat NVIDIA. Anda mengaktifkan pemotongan waktu melalui `settings.kubelet-device-plugins.nvidia` pengaturan, yang dirender Bottlerocket ke dalam konfigurasi plugin perangkat saat node melakukan booting.

### Prasyarat
<a name="_prerequisites_2"></a>
+ Cluster Amazon EKS. Prosedur berikut menyediakan node GPU NVIDIA dengan EKS-optimized Bottlerocket NVIDIA AMI.
+ Karpenter diinstal dan dikonfigurasi di cluster Anda, karena prosedur berikut menggunakan Karpenter `EC2NodeClass` untuk menyediakan pengaturan pemotongan waktu dalam data pengguna node Bottlerocket. Untuk informasi selengkapnya, lihat Mem [ ulai dengan Karpenter ](https://karpenter.sh/docs/getting-started/getting-started-with-karpenter/) di situs web Karpenter.
+  `kubectl`dikonfigurasi untuk berkomunikasi dengan cluster Anda, lihat [Instal atau perbarui `kubectl`](install-kubectl.md#kubectl-install-update) untuk informasi selengkapnya.

### Prosedur
<a name="_procedure_2"></a>

Tambahkan pengaturan pemotongan waktu ke data pengguna Bottlerocket untuk node GPU Anda. Contoh berikut mengkonfigurasi empat slot per GPU. Cara Anda menyediakan data pengguna tergantung pada bagaimana Anda menyediakan node. Contoh berikut menunjukkan Karpenter`EC2NodeClass`.

```
cat <<EOF | kubectl apply -f -
apiVersion: karpenter.k8s.aws/v1
kind: EC2NodeClass
metadata:
  name: gpu-bottlerocket-timeslicing
spec:
  amiFamily: Bottlerocket
  amiSelectorTerms:
    - alias: bottlerocket@latest
  role: eksctl-KarpenterNodeRole-<cluster-name>
  subnetSelectorTerms:
    - tags:
        karpenter.sh/discovery: <cluster-name>
  securityGroupSelectorTerms:
    - tags:
        karpenter.sh/discovery: <cluster-name>
  userData: |
    [settings.kubelet-device-plugins.nvidia]
    device-sharing-strategy = "time-slicing"

    [settings.kubelet-device-plugins.nvidia.time-slicing]
    replicas = 4
    rename-by-default = false
    fail-requests-greater-than-one = true
EOF
```

Ketika node yang disediakan dengan pengaturan ini bergabung dengan cluster, plugin perangkat mengiklankan empat `nvidia.com/gpu` slot untuk setiap GPU fisik. Anda memintanya dalam spesifikasi beban kerja Anda dengan permintaan atau batasan sumber daya kontainer untuk sumber daya yang `nvidia.com/gpu` diperluas.

## Gunakan pemotongan waktu GPU pada node AL2023 dengan plugin perangkat NVIDIA
<a name="eks-time-slicing-device-plugin-al2023"></a>

Pada AL2023, Anda menginstal plugin perangkat NVIDIA seperti yang dijelaskan dalam[Instal plugin perangkat NVIDIA Kubernetes](device-management-nvidia-dra-device-plugin.md#eks-nvidia-device-plugin), dan menyediakan konfigurasi pemotongan waktu di a. `ConfigMap`

### Prasyarat
<a name="_prerequisites_3"></a>
+ Cluster Amazon EKS dengan node yang menggunakan tipe instans GPU NVIDIA dan EKS-optimized AL2023 NVIDIA AMI.
+ Helm diinstal di lingkungan baris perintah Anda, lihat petunjuk Peng [ aturan Helm ](helm.md) untuk informasi selengkapnya.
+  `kubectl`dikonfigurasi untuk berkomunikasi dengan cluster Anda, lihat [Instal atau perbarui `kubectl`](install-kubectl.md#kubectl-install-update) untuk informasi selengkapnya.

### Prosedur
<a name="_procedure_3"></a>

1. Buat pemotongan waktu `ConfigMap` di `nvidia` namespace, tempat Anda menginstal plugin perangkat. [Instal plugin perangkat NVIDIA Kubernetes](device-management-nvidia-dra-device-plugin.md#eks-nvidia-device-plugin) Contoh ini mengonfigurasi empat slot per GPU.

   ```
   cat <<EOF | kubectl apply -f -
   apiVersion: v1
   kind: ConfigMap
   metadata:
     name: nvidia-device-plugin-config
     namespace: nvidia
   data:
     config.yaml: |
       version: v1
       sharing:
         timeSlicing:
           renameByDefault: false
           failRequestsGreaterThanOne: true
           resources:
             - name: nvidia.com/gpu
               replicas: 4
   EOF
   ```

1. Perbarui rilis plugin perangkat NVIDIA yang ada untuk mereferensi `ConfigMap` kan dengan `config.name` nilainya. `--reuse-values`Bendera mempertahankan nilai yang Anda tetapkan saat Anda menginstal plugin perangkat[Instal plugin perangkat NVIDIA Kubernetes](device-management-nvidia-dra-device-plugin.md#eks-nvidia-device-plugin).

   ```
   helm upgrade nvdp nvdp/nvidia-device-plugin \
       --namespace nvidia \
       --reuse-values \
       --set config.name=nvidia-device-plugin-config
   ```

**catatan**  
Plugin perangkat tidak memuat ulang secara otomatis saat Anda mengubah`ConfigMap`. Setelah Anda memperbarui konfigurasi pemotongan waktu, mulai ulang plugin perangkat Pod untuk menerapkan perubahan.

## Verifikasi bahwa pemotongan waktu GPU aktif
<a name="verify-eks-time-slicing"></a>

Setelah node teriris waktu Anda`Ready`, konfirmasikan bahwa plugin perangkat mengiklankan jumlah slot yang diharapkan dan bahwa Pod berbagi GPU fisik.

**catatan**  
Pemeriksaan UUID bersama dalam prosedur ini menunjukkan pemotongan waktu dengan paling jelas ketika Pod mendarat pada GPU fisik yang sama. Pada node dengan GPU tunggal, plugin perangkat mengiklankan empat slot dan keempat Pod berbagi GPU itu, sehingga mereka melaporkan UUID yang sama. Pada node dengan beberapa GPU fisik, penjadwal dapat menempatkan Pod pada GPU yang berbeda. Pod tersebut melaporkan UUID yang berbeda meskipun pemotongan waktu aktif. Untuk mendemonstrasikan berbagi pada satu GPU, jadwalkan beban kerja ke jenis instance GPU tunggal. Misalnya, tambahkan pemilih node seperti `node.kubernetes.io/instance-type: g6.2xlarge` ke spesifikasi Pod.

1. Konfirmasikan bahwa node mengiklankan jumlah slot GPU yang dikonfigurasi. Dengan empat slot per GPU, node dengan satu GPU fisik melaporkan`4`.

   ```
   kubectl get nodes "-o=custom-columns=NAME:.metadata.name,GPU:.status.allocatable.nvidia\.com/gpu"
   ```

   Contoh output adalah sebagai berikut.

   ```
   NAME                                           GPU
   ip-192-168-11-225.us-west-2.compute.internal   4
   ```

1. Buat penerapan yang menjalankan empat replika, masing-masing meminta satu slot GPU.

   ```
   cat <<EOF | kubectl apply -f -
   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: timeslicing-demo
   spec:
     replicas: 4
     selector:
       matchLabels:
         app: timeslicing-demo
     template:
       metadata:
         labels:
           app: timeslicing-demo
       spec:
         tolerations:
           - key: nvidia.com/gpu
             operator: Exists
             effect: NoSchedule
         containers:
           - name: cuda
             image: nvidia/cuda:12.6.0-base-ubuntu22.04
             command: ["bash", "-c", "nvidia-smi --query-gpu=uuid --format=csv,noheader; sleep infinity"]
             resources:
               limits:
                 nvidia.com/gpu: 1
   EOF
   ```

1. Konfirmasikan bahwa keempat Pod dijadwalkan pada node yang sama.

   ```
   kubectl get pods -l app=timeslicing-demo -o wide
   ```

1. Konfirmasikan bahwa keempat Pod melaporkan UUID GPU yang sama. Satu UUID bersama di keempat Pod mengonfirmasi bahwa satu GPU fisik sedang dimultipleks waktu.

   ```
   kubectl logs -l app=timeslicing-demo --prefix
   ```

   Contoh output adalah sebagai berikut.

   ```
   [pod/timeslicing-demo-xxxxxxxxxx-aaaaa/cuda] GPU-c0583cce-87c5-c736-db7f-6d3128c84d03
   [pod/timeslicing-demo-xxxxxxxxxx-bbbbb/cuda] GPU-c0583cce-87c5-c736-db7f-6d3128c84d03
   [pod/timeslicing-demo-xxxxxxxxxx-ccccc/cuda] GPU-c0583cce-87c5-c736-db7f-6d3128c84d03
   [pod/timeslicing-demo-xxxxxxxxxx-ddddd/cuda] GPU-c0583cce-87c5-c736-db7f-6d3128c84d03
   ```