¿Puede Home Assistant compartir una GPU o un acelerador con otro contenedor?

Eva Wong es la redactora técnica y manitas residente en ZimaSpace. Es una geek de toda la vida apasionada por los laboratorios domésticos y el software de código abierto, y se especializa en traducir conceptos técnicos complejos en guías prácticas y fáciles de seguir. Eva cree que alojar servicios propios debería ser divertido, no intimidante. A través de sus tutoriales, ayuda a la comunidad a desmitificar la configuración del hardware, desde montar su primer NAS hasta dominar los contenedores Docker.

Sí, en algunos casos las cargas de trabajo relacionadas con Home Assistant pueden compartir una GPU con otro contenedor, pero la respuesta depende de la ruta del acelerador y de los límites de virtualización.

Home Assistant Core normalmente no necesita una GPU; el acelerador suele destinarse a Frigate, visión o IA local, procesamiento multimedia u otro servicio complementario. En Linux, a menudo se puede dar a varios contenedores acceso al mismo dispositivo de renderizado y dejar que el controlador programe las tareas. Asignar un dispositivo PCIe completo a una máquina virtual mediante passthrough es un modelo distinto y puede dejar ese dispositivo fuera del alcance del host y de otras máquinas virtuales. Identifica quién lo utilizará antes de cambiar los permisos.

Identifica primero qué carga de trabajo de Home Assistant necesita realmente el acelerador

No pases una GPU al contenedor de Home Assistant Core solo porque el host tenga una. Identifica el proceso que la utilizará: la decodificación de vídeo de Frigate, la detección de objetos con OpenVINO, un servicio local de lenguaje o visión, el procesamiento de voz u otro contenedor al que llame Home Assistant. La asignación del dispositivo debe corresponder al contenedor de esa carga de trabajo y a sus límites de seguridad.

Las implementaciones de Frigate muestran claramente el modelo de ruta del dispositivo: la aceleración por hardware depende de que un dispositivo de renderizado específico esté visible en todas las capas de contenedores. Una guía actual de passthrough de iGPU para Frigate explica por qué hay que verificar la visibilidad del dispositivo, los permisos de grupo y las capas de virtualización, en lugar de dar por hecho que basta con que el host tenga una GPU.

Si Home Assistant solo orquesta el servicio acelerado mediante una API o MQTT, Core no necesita acceso directo al dispositivo. Mantener la asignación de la GPU en el contenedor que la utiliza reduce los privilegios y facilita aislar los fallos.

Los dispositivos de renderizado compartidos de Linux y el passthrough de una GPU completa a una máquina virtual son modelos distintos

Con los contenedores de Linux, asignar un nodo de renderizado como /dev/dri/renderD128 a más de un contenedor puede permitir que ambas aplicaciones envíen tareas a través del controlador del host. Comparten un planificador y recursos de memoria; no reciben cada una una GPU física independiente. Que una carga de trabajo concreta sea compatible y segura depende del comportamiento del controlador y de la aplicación.

Una guía de passthrough de GPU a LXC deja clara la separación entre el host y el contenedor: el host conserva el controlador real de la GPU, mientras que el contenedor recibe nodos de dispositivo seleccionados, como /dev/dri/renderD128. Ese modelo de dispositivo de renderizado compartido permite que varios contenedores accedan a la misma ruta del acelerador, pero siguen compitiendo por los motores de la GPU, el ancho de banda de memoria y los límites específicos del fabricante.

La asignación mediante passthrough PCIe de todo el dispositivo a una máquina virtual es diferente. Una guía actual sobre VFIO en Proxmox describe esa cesión como propiedad exclusiva de la GPU por una máquina virtual, lo que elimina la vía habitual para compartir la tarjeta mediante el controlador del host. SR-IOV, los dispositivos mediados, vGPU y funciones similares pueden ofrecer otro modelo de uso compartido en hardware compatible, pero son capacidades distintas y no deben darse por disponibles con el passthrough convencional.

Verifica la visibilidad y los permisos en ambos contenedores antes de probar el rendimiento

Inicia cada consumidor del acelerador por separado e inspecciona el nodo del dispositivo, los permisos de usuario y grupo, las bibliotecas del controlador y el informe de hardware de la aplicación desde dentro del contenedor. Un contenedor privilegiado no sustituye a comprender qué dispositivo de renderizado y qué grupos se necesitan. Concede el acceso mínimo al dispositivo que permita ejecutar la carga de trabajo prevista.

El mismo procedimiento de asignación de dispositivos LXC permite verificar el nodo de renderizado desde dentro del contenedor y recomienda probarlo con la cuenta de servicio real, en lugar de confiar únicamente en que sea visible desde el host. Usa ese método para confirmar el acceso al acelerador desde el contenedor antes de comparar el rendimiento; que el dispositivo aparezca en el host no demuestra que la aplicación pueda abrirlo.

Supera la etapa de visibilidad solo cuando ambos contenedores demuestren por separado que usan el hardware. Si uno cambia silenciosamente a la CPU, corrige la asignación o la configuración del controlador antes de realizar una prueba de concurrencia. De lo contrario, ese cambio puede hacer que parezca que compartir la GPU funciona, cuando en realidad el host está procesando una de las cargas de trabajo por software.

Ejecuta pruebas por separado y simultáneas para determinar los límites del uso compartido

Mide primero cada carga de trabajo por separado: tiempo de procesamiento de fotogramas, velocidad de codificación y decodificación, uso del acelerador, uso de memoria, temperatura, consumo eléctrico y latencia de la aplicación. Después, ejecuta ambas juntas en sus picos habituales. La configuración compartida solo es aceptable si la carga de trabajo crítica relacionada con Home Assistant cumple los plazos y ninguna aplicación empieza a dar errores o a recurrir a una alternativa.

La prueba actual de ZimaSpace para compartir una GPU entre contenedores establece la misma regla operativa: la visibilidad del dispositivo es solo el primer requisito; la estabilidad con cargas simultáneas y la contención de recursos determinan si compartirla resulta realmente útil.

Conserva un acelerador compartido si ambos consumidores se mantienen dentro de los límites de latencia y memoria durante el solapamiento real. Sepáralos si un trabajo provoca pérdida de fotogramas, retrasos en la inferencia, reinicios del controlador, errores de falta de memoria, limitación térmica o un cambio impredecible a una alternativa. Si se asigna la GPU completa a una máquina virtual, rediseña la capa de virtualización o añade otro acelerador, en lugar de intentar asignar a un segundo contenedor el dispositivo físico que ya está en uso.

Soporte y consejos

Más para leer

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.