Vorkonfigurierte Google Kubernetes Engine-YAML-Dateien verwenden, um die Leistung von Cloud Storage FUSE zu optimieren
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Auf dieser Seite finden Sie vorkonfigurierte Google Kubernetes Engine-YAML-Dateien, mit denen Sie die Leistung von Cloud Storage FUSE für Ihre spezifische Arbeitslast optimieren können. Unabhängig davon, ob Sie Cloud-GPUs oder Cloud TPU für Training, Bereitstellung oder Checkpointing verwenden, können Sie die auf dieser Seite bereitgestellten Beispielkonfigurationen verwenden, um Ihre GKE-Pods schnell bereitzustellen und auf Ihren Cloud Storage-Bucket zuzugreifen.
GKE-Arbeitslasten mit Cloud Storage FUSE mithilfe von Beispiel-YAML-Dateien konfigurieren und bereitstellen
So verwenden Sie Beispielkonfigurationen:
Prüfen Sie, ob der CSI-Treiber für Cloud Storage FUSE für Google Kubernetes Engine auf GKE-Clustern mit GKE-Version 1.32.2-gke.1297001 oder höher ausgeführt wird.
Prüfen Sie, ob das Google Kubernetes Engine-Dienstkonto die erforderlichen Berechtigungen für den Zugriff auf den Ziel-Cloud Storage-Bucket hat.
Suchen Sie anhand einer der folgenden YAML-Dateien nach den Beispielkonfigurationen, die Sie basierend auf Ihrem Maschinentyp und Ihrer Arbeitslast anwenden möchten:
GPU
Verwenden Sie je nach Arbeitslasttyp eine der folgenden Cloud GPUs-spezifischen YAML-Dateien:
Stellen Sie die entsprechende Pod-Spezifikation bereit, die mit einer der folgenden YAML-Dateien auf den PersistentVolumeClaim zugreift:
GPU
Stellen Sie die entsprechende Cloud GPUs-spezifische Pod-Spezifikation bereit, die basierend auf Ihrem Arbeitslasttyp auf den PersistentVolumeClaim zugreift:
Stellen Sie das PersistentVolume und den PersistentVolumeClaim bereit, indem Sie die PersistentVolume-Datei anwenden.
Der GKE-Webhook für die Zulassung von Pods prüft die Attribute des PersistentVolume, um potenzielle Optimierungen wie das Einfügen von Sidecar-Containern vor der Planung des Pods anzuwenden.
kubectl apply -f PERSISTENT_VOLUME_YAML_FILE_NAME
Wobei:
PERSISTENT_VOLUME_YAML_FILE_NAME ist der Name der YAML-Datei für das PersistentVolume. Beispiel: serving-pv.yaml.
Stellen Sie die Pod-Spezifikation bereit, die auf den PersistentVolumeClaim verweist:
kubectl apply -f POD_YAML_FILE_NAME
Wobei:
POD_YAML_FILE_NAME ist der Name der YAML-Konfigurationsdatei für den Pod. Beispiel: serving-pod.yaml.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-25 (UTC)."],[],[],null,["# Use pre-configured Google Kubernetes Engine YAML files to optimize Cloud Storage FUSE performance\n\nThis page provides pre-configured Google Kubernetes Engine YAML files to help you optimize\nCloud Storage FUSE performance for your specific workload. Whether you're using\nCloud GPUs or Cloud TPU for training, serving, or checkpointing, you can\nuse the sample configurations provided in this page to quickly deploy your\nGKE pods and access your Cloud Storage bucket.\n| **Note:** This page provides instructions for tuning Cloud Storage FUSE performance in Google Kubernetes Engine-specific pre-configured YAML files. To learn about tuning Cloud Storage FUSE using the configuration file and CLI options, see [Cloud Storage FUSE performance tuning best practices](/storage/docs/cloud-storage-fuse/performance).\n\nConfigure and deploy GKE workloads with Cloud Storage FUSE using sample YAML files\n----------------------------------------------------------------------------------\n\nTo utilize sample configurations, perform the following steps:\n\n1. Verify that the Cloud Storage FUSE CSI driver for Google Kubernetes Engine is running on\n GKE clusters of GKE versions 1.32.2-gke.1297001\n or later.\n\n2. Verify that the Google Kubernetes Engine service account possesses the necessary\n permissions to access the target Cloud Storage bucket.\n\n3. Locate the sample configurations you want to apply based on your machine\n type and workload by using one of the following YAML files:\n\n ### GPU\n\n Use one of the following Cloud GPUs-specific YAML files based on your\n workload type:\n - [Training](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/gpu/training-pv.yaml)\n\n - [Serving](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/gpu/serving-pv.yaml)\n\n - [Checkpointing and JIT cache](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/gpu/checkpointing-pv.yaml)\n\n ### TPU\n\n Use one of the following Cloud TPU-specific YAML files based on your\n workload type:\n - [Training](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/tpu/training-pv.yaml)\n\n - [Serving](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/tpu/serving-pv.yaml)\n\n - [Checkpointing and JIT cache](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/tpu/checkpointing-pv.yaml)\n\n4. Deploy the corresponding pod specification that accesses the\n PersistentVolumeClaim using one the following YAML files:\n\n ### GPU\n\n Deploy the corresponding Cloud GPUs-specific pod specification that\n accesses the PersistentVolumeClaim based on your workload type:\n - [Training](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/gpu/training-pod.yaml)\n\n - [Serving](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/gpu/serving-pod.yaml)\n\n - [Checkpointing and JIT cache](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/gpu/checkpointing-pod.yaml)\n\n ### TPU\n\n Deploy the corresponding Cloud TPU-specific pod specification that\n accesses the PersistentVolumeClaim based on your workload type:\n - [Training](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/tpu/training-pod.yaml)\n\n - [Serving](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/tpu/serving-pod.yaml)\n\n - [Checkpointing and JIT cache](https://github.com/GoogleCloudPlatform/gcsfuse/blob/master/samples/gke-csi-yaml/tpu/checkpointing-pod.yaml)\n\n5. Deploy the PersistentVolume and PersistentVolumeClaim by applying the\n PersistentVolume file.\n\n The GKE pod admission webhook\n inspects the PersistentVolume's attributes to apply potential optimizations\n such as the injection of sidecar containers before the pod is scheduled. \n\n ```\n kubectl apply -f PERSISTENT_VOLUME_YAML_FILE_NAME\n ```\n\n Where:\n - \u003cvar translate=\"no\"\u003ePERSISTENT_VOLUME_YAML_FILE_NAME\u003c/var\u003e is the name of the PersistentVolume YAML filename. For example, `serving-pv.yaml`.\n6. Deploy the pod specification that references the PersistentVolumeClaim:\n\n ```\n kubectl apply -f POD_YAML_FILE_NAME\n ```\n\n Where:\n - \u003cvar translate=\"no\"\u003ePOD_YAML_FILE_NAME\u003c/var\u003e is the name of the pod YAML configuration file. For example, `serving-pod.yaml`.\n\nWhat's next\n-----------\n\n- [Learn how to monitor Cloud Storage FUSE performance using metrics](/storage/docs/cloud-storage-fuse/metrics)."]]
