Kan Home Assistant een GPU of accelerator delen met een andere container?

Eva Wong is de technisch schrijver en vaste knutselaar bij ZimaSpace. Als levenslange geek met een passie voor homelabs en open-sourcesoftwareis ze gespecialiseerd in het vertalen van complexe technische concepten naar toegankelijke, praktische handleidingen. Eva vindt dat self-hosting leuk moet zijn en niet intimiderend. Met haar tutorials helpt ze de community om hardware-installaties te doorgronden, van het bouwen van hun eerste NAS tot het beheersen van Docker-containers.

Ja, workloads die met Home Assistant verband houden, kunnen soms een GPU delen met een andere container, maar het antwoord hangt af van het acceleratorpad en de virtualisatiegrens.

Home Assistant Core zelf heeft normaal gesproken geen GPU nodig; de accelerator is meestal bestemd voor Frigate, lokale beeldverwerking of AI, mediaverwerking of een andere ondersteunende service. Op Linux kunnen meerdere containers vaak toegang krijgen tot hetzelfde renderapparaat, waarna het stuurprogramma het werk inplant. Een VM die via passthrough een volledig PCIe-apparaat krijgt, is een ander model en kan dat apparaat onbeschikbaar maken voor de host en andere gastmachines. Bepaal wie het apparaat daadwerkelijk gebruikt voordat je machtigingen wijzigt.

Bepaal eerst welke Home Assistant-workload de accelerator daadwerkelijk nodig heeft

Geef de Home Assistant Core-container niet zomaar een GPU omdat de host er een heeft. Bepaal welk proces die gaat gebruiken: videodecodering in Frigate, objectdetectie met OpenVINO, een lokale taal- of visieservice, spraakverwerking of een andere container die Home Assistant aanroept. De apparaatkoppeling hoort bij de container van die workload en de bijbehorende beveiligingsgrens.

Frigate-implementaties laten het apparaatpadmodel duidelijk zien: hardwareversnelling vereist dat een specifiek renderapparaat zichtbaar is in de volledige containerstack. Een actuele handleiding voor iGPU-passthrough in Frigate laat zien waarom je de zichtbaarheid van het apparaat, groepsmachtigingen en virtualisatielagen moet controleren in plaats van ervan uit te gaan dat de GPU van de host volstaat.

Als Home Assistant de versnelde service alleen aanstuurt via een API of MQTT, heeft Core helemaal geen directe toegang tot het apparaat nodig. Door de GPU-koppeling in de container te houden die de service gebruikt, zijn minder rechten nodig en zijn fouten eenvoudiger te isoleren.

Gedeelde Linux-renderapparaten en volledige GPU-passthrough naar een VM zijn verschillende modellen

Bij Linux-containers kan het koppelen van een renderknooppunt, zoals /dev/dri/renderD128, aan meerdere containers beide applicaties via het hoststuurprogramma werk laten uitvoeren. Ze delen een scheduler en geheugenbronnen; ze krijgen niet elk een onafhankelijke fysieke GPU. Of een specifieke workload dit veilig ondersteunt, hangt nog steeds af van het gedrag van het stuurprogramma en de applicatie.

Een handleiding voor GPU-passthrough in LXC maakt de containergrens expliciet: de host behoudt het echte GPU-stuurprogramma, terwijl een container geselecteerde apparaatknooppunten krijgt, zoals /dev/dri/renderD128. Dat gedeelde model met renderapparaten geeft meerdere containers toegang tot hetzelfde acceleratorpad, maar ze concurreren nog steeds om GPU-engines, geheugenbandbreedte en leverancierspecifieke limieten.

PCIe-passthrough van het volledige apparaat naar een virtuele machine werkt anders. Een actuele Proxmox VFIO-handleiding beschrijft die overdracht als exclusief GPU-eigendom door één VM, waardoor de gebruikelijke route voor delen via de hostdriver voor die kaart wegvalt. SR-IOV, mediated devices, vGPU of vergelijkbare functies kunnen op ondersteunde hardware een ander model voor delen bieden, maar dat zijn afzonderlijke mogelijkheden die je niet mag veronderstellen bij gewone passthrough.

Controleer de zichtbaarheid en machtigingen in beide containers voordat je de prestaties test

Start elke gebruiker van de accelerator afzonderlijk en controleer vanuit de container het apparaatknooppunt, de gebruikers- en groepsmachtigingen, de driverbibliotheken en de hardwaregegevens van de applicatie. Een geprivilegieerde container is geen goede vervanging voor inzicht in welke renderapparaten en groepen nodig zijn. Verleen alleen de minimaal benodigde toegang tot apparaten om de beoogde workload te laten werken.

Dezelfde workflow voor het toewijzen van LXC-apparaten controleert de rendernode vanuit de container en raadt aan deze te testen als het daadwerkelijke serviceaccount, in plaats van alleen op de zichtbaarheid op de host te vertrouwen. Gebruik deze methode om toegang tot de accelerator op containerniveau te bevestigen voordat je prestaties vergelijkt; een apparaat dat op de host wordt weergegeven, bewijst niet dat de applicatie het kan openen.

Sla de zichtbaarheidscontrole alleen over als beide containers afzonderlijk aantonen dat ze de hardware gebruiken. Als een container ongemerkt terugvalt op de CPU, los dan eerst de toewijzing of driverconfiguratie op voordat je een gelijktijdigheidstest uitvoert. Anders kan terugval op de CPU de indruk wekken dat het delen van de GPU werkt, terwijl de host in werkelijkheid een workload softwarematig verwerkt.

Single board computer zimaboard2

Voer tests afzonderlijk en gelijktijdig uit om de grens voor delen te bepalen

Meet eerst elke workload afzonderlijk: frametijd, encodeer-/decodeersnelheid, acceleratorgebruik, geheugengebruik, temperatuur, stroomverbruik en applicatielatentie. Voer beide vervolgens tegelijk uit op hun normale piekbelasting. De gedeelde configuratie is alleen aanvaardbaar als de kritieke workload die verband houdt met Home Assistant de deadline haalt en geen van beide applicaties fouten begint te geven of terugvalt op een andere verwerkingsmethode.

De bestaande test van ZimaSpace voor het delen van één GPU tussen containers hanteert dezelfde praktische regel: zichtbaarheid van het apparaat is slechts de eerste voorwaarde; gelijktijdige stabiliteit en concurrentie om resources bepalen of delen daadwerkelijk zinvol is.

Behoud één gedeelde accelerator wanneer beide gebruikers binnen de latentie- en geheugenlimieten blijven bij daadwerkelijke gelijktijdige belasting. Scheid ze wanneer één taak wegvallende frames, inferentievertraging, driverresets, out-of-memory-fouten, thermische terugschakeling of onvoorspelbare terugval veroorzaakt. Als de GPU volledig aan een VM wordt toegewezen, herontwerp dan de virtualisatielaag of voeg een extra accelerator toe, in plaats van te proberen het reeds toegewezen fysieke apparaat aan een tweede container toe te wijzen.

Ondersteuning en tips

Meer om te lezen

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.