Können sich mehrere Mediencontainer eine GPU teilen, ohne dass Gerätekonflikte auftreten?

Eva Wong ist die technische Redakteurin und begeisterte Tüftlerin bei ZimaSpace. Als lebenslanger Geek mit einer Leidenschaft für Homelabs und Open-Source-Softwarehat sie sich darauf spezialisiert, komplexe technische Konzepte in verständliche, praxisnahe Anleitungenzu übersetzen. Eva ist überzeugt, dass Self-Hosting Spaß machen sollte und nicht einschüchternd sein darf. Mit ihren Tutorials hilft sie der Community dabei, Hardware-Setups zu durchschauen, vom Bau des ersten NAS bis zum sicheren Umgang mit Docker-Containern.

Ja, mehrere Mediencontainer können sich eine GPU teilen, wenn Host-Treiber und Laufzeitumgebung den gleichzeitigen Zugriff unterstützen und jeder Container das Gerät korrekt erhält.

Container besitzen eine GPU normalerweise nicht exklusiv, wie es bei einer vollständig durchgereichten virtuellen Maschine der Fall ist. Intel Quick Sync und AMD VA-API geben üblicherweise gemeinsam nutzbare Rendergeräte frei, während NVIDIA-Container einen Treiberstapel und eine GPU gemeinsam nutzen können, abhängig von Hardware-, Treiber-, Codec-, Speicher- und Sitzungslimits. Konflikte entstehen, wenn die Orchestrierung das Gerät exklusiv zuweist, Berechtigungen voneinander abweichen, Container inkompatible Bibliotheken enthalten oder gleichzeitige Transkodierungen die praktische Kapazität der GPU überschreiten.

Bestätigen Sie, dass der Host gleichzeitige GPU-Workloads unterstützt

Installieren und überprüfen Sie zuerst den Host-Treiber und führen Sie dann eine hardwarebeschleunigte Transkodierung außerhalb oder innerhalb eines bekannten, funktionierenden Containers aus. Notieren Sie GPU-Modell, Treiber, unterstützte Encode- und Decode-Codecs, Speicher und die beobachtete Auslastung.

In einer Diskussion der TrueNAS-Community wird berichtet, dass mehrere Apps dieselbe GPU gemeinsam nutzen, wenn sie zur Verwendung freigegeben und nicht als exklusive Anwendungsressource zugewiesen wird. Der Unterschied liegt zwischen gemeinsamem Gerätezugriff und exklusivem Passthrough.

Wenn ein Container die GPU nicht zuverlässig nutzen kann, fügen Sie keinen weiteren hinzu. Beheben Sie zuerst Probleme mit Host-Treiber, Kernel-Gerät, Firmware oder Laufzeitumgebung, bevor Sie die gleichzeitige Nutzung testen.

Das richtige Gerät für jeden Container freigeben

Vergleichen Sie bei Intel und AMD die an jeden Container übergebenen Card- und Render-Knoten unter /dev/dri. Vergleichen Sie bei NVIDIA die Laufzeitumgebung oder Geräteanforderung, die Variablen für sichtbare Geräte und die Treiberfunktionen.

Ein Jellyfin-Fall unter NixOS beschreibt, wie sich dieselbe Host-GPU in verschiedenen Containern unterschiedlich verhält, weil sich die Betriebssystem- und Geräteumgebung unterscheidet. Das zeigt, warum es wichtiger ist, die Gerätefreigabe und Bibliotheken aufeinander abzustimmen, als einfach eine Compose-Zeile zu kopieren.

Verwenden Sie nur die Gerätemenge, die jede App mindestens benötigt, und vermeiden Sie den privilegierten Modus als Abkürzung. Bestätigen Sie nach einem Neuaufbau, dass der erwartete Render-Knoten oder das NVIDIA-Gerät in jedem Container erscheint.

Berechtigungen und Benutzergruppen in allen Containern angleichen

Ermitteln Sie auf dem Host die numerische Benutzer- und Gruppenzugehörigkeit des Rendergeräts und bestätigen Sie anschließend, dass der Prozess in jedem Container über die entsprechende zusätzliche Gruppe oder Berechtigung verfügt. Image-spezifische Benutzernamen können unterschiedlichen numerischen IDs zugeordnet sein.

Ein Container, der die GPU erkennt, sie aber nicht öffnen kann, greift möglicherweise auf Software-Transkodierung zurück oder meldet einen Berechtigungsfehler. Dieser Fehler kann wie ein Gerätekonflikt wirken, während der andere Mediencontainer weiterhin funktioniert.

Teste jeden Container einzeln mit derselben Datei und demselben Codec. Halte Korrekturen für Berechtigungen in Compose explizit fest, damit sie bei Image-Upgrades und Neuerstellungen nicht verloren gehen.

Single board computer zimaboard2

Codec-, Treiber- und Laufzeitkompatibilität prüfen

Vergleiche die Codecs und Filter, die jede App auf der GPU ausführen lassen möchte, darunter H.264, HEVC, AV1, Tone Mapping, Untertitel, Skalierung sowie OpenCL- oder CUDA-Filter. Eine Workload benötigt möglicherweise Funktionen, die eine andere nie nutzt.

Ein aktueller Leitfaden zur GPU-Durchreichung für Jellyfin betont, dass die Container-Konfiguration zu Intel QSV, NVIDIA NVENC oder AMD VA-API passen muss, statt alle Hardwarebeschleunigungspfade als austauschbar zu behandeln. Die Laufzeitumgebung muss zur GPU-Familie passen.

Achte darauf, dass der Host-Treiber mit den Laufzeitbibliotheken des Containers kompatibel ist, und vermeide widersprüchliche Treiber in einzelnen Mediencontainern. Teste Dekodierung, Kodierung und Tone Mapping getrennt.

Gleichzeitige Sitzungen, Arbeitsspeicher und Temperaturgrenzen messen

Starte in jedem Container jeweils einen hardwarebeschleunigten Transcode und überwache GPU-Prozesse, Auslastung, Encoder- und Decoder-Last, Arbeitsspeicher, Temperatur, Fehler und Stream-Stabilität. Erhöhe die Parallelität schrittweise mit repräsentativen Medien.

Ein Setup aus der Proxmox-Community beschreibt mehrere Jellyfin-Instanzen, die gleichzeitig transcodieren, und die Überprüfung der Aktivität auf dem Host. Es zeigt außerdem, dass gleichzeitige Sitzungen praktischen Grenzen unterliegen, die von Hardware und Software bestimmt werden.

Eine gemeinsam genutzte GPU funktioniert, wenn beide Apps beschleunigt und reaktionsschnell bleiben. Ruckeln, fehlgeschlagene Encoder-Erstellung, Fehler wegen unzureichenden Arbeitsspeichers, thermische Rücksetzungen oder wenn eine App die andere in den Softwaremodus zwingt, weisen darauf hin, dass die Workload den aktuellen Spielraum überschreitet.

Separate Konfigurations- und Transcode-Pfade beibehalten und die GPU gemeinsam nutzen

Gib jedem Mediencontainer eine eigene Konfigurationsdatenbank, einen eigenen Cache, ein eigenes Transcode-Verzeichnis, eigene Ports und eine eigene Identität. Teile nur die schreibgeschützte Medienbibliothek und das GPU-Gerät gemeinsam, es sei denn, die Anwendungen unterstützen ausdrücklich ein gemeinsames Zustandsverzeichnis.

Der ZimaSpace-Leitfaden zur Isolierung von Container-Abhängigkeiten hilft dabei, einen GPU-Konflikt von einem Datenbank-, Cache-, Netzwerk- oder Mount-Fehler zu unterscheiden.

Das Design gilt erst dann als validiert, wenn beide Container Neuaufbauten überstehen, gleichzeitig Hardwarebeschleunigung nutzen, ihre jeweiligen Berechtigungen und Zustände einhalten und innerhalb der Grenzen für Sitzungen, Arbeitsspeicher und Temperatur bleiben. Verwende separate GPUs oder eine Softwareausweichlösung, wenn gleichzeitige Workloads die erforderliche Qualität nicht zuverlässig erreichen können.

Support und Tipps

Mehr zum Lesen

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.