Ja, Home-Assistant-Workloads können sich manchmal eine GPU mit einem anderen Container teilen, aber die Antwort hängt vom Beschleunigungspfad und der Virtualisierungsgrenze ab.
Home Assistant Core selbst benötigt normalerweise keine GPU; der Beschleuniger ist meist für Frigate, lokale Bildverarbeitung oder KI, Medienverarbeitung oder einen anderen begleitenden Dienst vorgesehen. Unter Linux kann mehreren Containern häufig Zugriff auf dasselbe Render-Gerät gewährt werden, sodass der Treiber die Arbeit verteilt. Eine VM, der ein komplettes PCIe-Gerät per Passthrough zugewiesen wird, ist ein anderes Modell und kann dazu führen, dass dieses Gerät dem Host und anderen Gästen nicht mehr zur Verfügung steht. Ermittle den tatsächlichen Nutzer, bevor du Berechtigungen änderst.
Ermittle zuerst, welcher Home-Assistant-Workload tatsächlich den Beschleuniger benötigt
Leite eine GPU nicht allein deshalb an den Home-Assistant-Core-Container durch, weil der Host über eine verfügt. Bestimme den Prozess, der sie nutzen wird: die Videodekodierung in Frigate, die Objekterkennung mit OpenVINO, einen lokalen Sprach- oder Bildverarbeitungsdienst, die Sprachverarbeitung oder einen anderen Container, den Home Assistant aufruft. Die Gerätezuordnung sollte zum Container und zur Sicherheitsgrenze dieses Workloads gehören.
Frigate-Installationen veranschaulichen das Gerätemodell deutlich: Die Hardwarebeschleunigung hängt davon ab, dass ein bestimmtes Render-Gerät durch den gesamten Container-Stack hindurch sichtbar ist. Ein aktueller Leitfaden zur iGPU-Durchleitung für Frigate zeigt, warum die Gerätesichtbarkeit, Gruppenberechtigungen und Virtualisierungsebenen überprüft werden müssen, statt davon auszugehen, dass eine GPU auf dem Host genügt.
Wenn Home Assistant den beschleunigten Dienst nur über eine API oder MQTT orchestriert, benötigt Core überhaupt keinen direkten Gerätezugriff. Wird die GPU-Zuordnung im nutzenden Container belassen, verringert das die Berechtigungen und erleichtert die Eingrenzung von Fehlern.
Gemeinsam genutzte Linux-Render-Geräte und die Durchleitung einer vollständigen GPU an eine VM sind unterschiedliche Modelle
Bei Linux-Containern können Anwendungen beide über den Host-Treiber Arbeit einreichen, wenn ein Render-Knoten wie /dev/dri/renderD128 in mehr als einen Container eingebunden wird. Sie teilen sich einen Scheduler und Speicherressourcen, nicht jeweils eine eigene physische GPU. Ob ein bestimmter Workload dies sicher unterstützt, hängt weiterhin vom Verhalten des Treibers und der Anwendung ab.
Ein Leitfaden zur GPU-Durchleitung für LXC macht die Container-Grenze deutlich: Der Host behält den eigentlichen GPU-Treiber, während ein Container ausgewählte Gerätedateien wie /dev/dri/renderD128 erhält. Dieses gemeinsam genutzte Render-Gerätemodell ermöglicht mehreren Containern den Zugriff auf denselben Beschleunigungspfad, doch sie konkurrieren weiterhin um GPU-Engines, Speicherbandbreite und anbieterspezifische Ressourcenlimits.
Das PCIe-Passthrough des gesamten Geräts an eine virtuelle Maschine ist etwas anderes. Eine aktuelle Proxmox-VFIO-Anleitung beschreibt diese Übergabe als exklusive GPU-Nutzung durch eine VM. Dadurch entfällt der übliche Pfad zur gemeinsamen Nutzung über den Host-Treiber für diese Karte. SR-IOV, vermittelte Geräte, vGPU oder ähnliche Funktionen können auf unterstützter Hardware ein anderes Freigabemodell ermöglichen, sind jedoch separate Funktionen und sollten nicht bei gewöhnlichem Passthrough vorausgesetzt werden.
Überprüfen Sie Sichtbarkeit und Berechtigungen in beiden Containern, bevor Sie die Leistung testen
Starten Sie jeden Beschleuniger-Verbraucher einzeln und prüfen Sie den Geräteknoten, die Benutzer-/Gruppenberechtigungen, die Treiberbibliotheken und den Hardwarebericht der Anwendung im Container. Ein privilegierter Container ist kein guter Ersatz dafür, herauszufinden, welches Render-Gerät und welche Gruppen erforderlich sind. Gewähren Sie nur den geringstmöglichen Gerätezugriff, mit dem die vorgesehene Arbeitslast funktioniert.
Derselbe LXC-Gerätezuordnungsprozess überprüft den Render-Knoten im Container und empfiehlt, ihn als echtes Dienstkonto zu testen, statt sich allein auf die Sichtbarkeit auf dem Host zu verlassen. Verwenden Sie diese Methode, um den Zugriff des Containers auf den Beschleuniger zu bestätigen, bevor Sie die Leistung vergleichen. Ein auf dem Host aufgeführtes Gerät beweist nicht, dass die Anwendung es öffnen kann.
Bestanden ist die Sichtbarkeitsprüfung nur, wenn beide Container unabhängig voneinander die Hardware-Nutzung nachweisen. Wenn einer unbemerkt auf die CPU zurückfällt, beheben Sie die Zuordnung oder Treiberkonfiguration, bevor Sie einen Parallelitätstest durchführen. Andernfalls kann der CPU-Rückfall den Eindruck erwecken, dass die gemeinsame GPU-Nutzung funktioniert, während der Host eine Arbeitslast tatsächlich per Software verarbeitet.
Führen Sie Tests einzeln und gemeinsam aus, um die Grenzen der gemeinsamen Nutzung zu ermitteln
Messen Sie zunächst jede Arbeitslast einzeln: Frame-Verarbeitungszeit, Kodier-/Dekodiergeschwindigkeit, Auslastung des Beschleunigers, Speicherverbrauch, Temperatur, Stromverbrauch und Anwendungslatenz. Führen Sie anschließend beide Arbeitslasten gleichzeitig mit ihrer üblichen Spitzenlast aus. Die gemeinsame Nutzung ist nur dann akzeptabel, wenn die kritische Home-Assistant-bezogene Arbeitslast ihre Frist einhält und keine der beiden Anwendungen Fehler ausgibt oder auf eine andere Verarbeitung zurückfällt.
ZimaSpaces bestehender Test zum gemeinsamen Nutzen einer GPU über mehrere Container hinweg liefert dieselbe praktische Regel: Die Sichtbarkeit des Geräts ist nur die erste Hürde. Ob die gemeinsame Nutzung tatsächlich sinnvoll ist, hängt von der Stabilität bei gleichzeitiger Auslastung und der Ressourcenkonkurrenz ab.
Behalten Sie einen gemeinsam genutzten Beschleuniger, wenn beide Verbraucher bei realer gleichzeitiger Auslastung die Latenz- und Speichergrenzen einhalten. Trennen Sie sie, wenn ein Job zu ausgelassenen Frames, Inferenzverzögerungen, Treiberneustarts, Speicherfehlern, thermischer Drosselung oder unvorhersehbarem Rückfall führt. Wird die GPU vollständig an eine VM durchgereicht, sollten Sie die Virtualisierungsschicht neu gestalten oder einen weiteren Beschleuniger hinzufügen, statt zu versuchen, das bereits belegte physische Gerät einem zweiten Container zuzuordnen.
Support und Tipps
Mehr zum Lesen

So halten Sie Erwachsenenvideos auf Ihrem NAS vor Familienmitgliedern verborgen
Bewahre Videos für Erwachsene auf einem Familien-NAS privat auf. Prüfe Ordnerberechtigungen, den Bibliothekszugriff in Plex und Jellyfin, Vorschaubilder, den Wiedergabeverlauf, gemeinsam genutzte TV-Logins und...

Was vor dem Laden eines Community-Modells in Transformers zu beachten ist
Nutze das Transformers-Jinja-Sandbox-Update, um die Herkunft des Modells, Chat-Vorlagen, Remote-Code, serialisierte Gewichte und isolierte erste Ausführungen zu überprüfen.

Mirage lokal ausführen: OCR und Objekterkennung aus einem einzigen Bild
Testen Sie das kleine lokale Vision-Modell von Cactus Compute, überprüfen Sie die OCR- und Objektextraktion anhand realer Eingaben und verstehen Sie die Grenzen in...



