Sim, por vezes, as cargas de trabalho relacionadas com o Home Assistant podem partilhar uma GPU com outro contentor, mas a resposta depende do caminho do acelerador e dos limites da virtualização.
O próprio Home Assistant Core normalmente não precisa de uma GPU; o acelerador destina-se geralmente ao Frigate, à visão ou IA local, ao processamento multimédia ou a outro serviço complementar. No Linux, muitas vezes é possível dar a vários contentores acesso ao mesmo dispositivo de renderização e deixar o controlador escalonar as tarefas. Uma VM que recebe um dispositivo PCIe inteiro por passthrough segue um modelo diferente e pode tornar esse dispositivo indisponível para o anfitrião e para outras máquinas virtuais. Identifique quem vai efetivamente utilizar o dispositivo antes de alterar as permissões.
Identifique primeiro que carga de trabalho do Home Assistant precisa realmente do acelerador
Não associe uma GPU ao contentor do Home Assistant Core apenas porque o anfitrião tem uma. Identifique o processo que a vai utilizar: descodificação de vídeo no Frigate, deteção de objetos com OpenVINO, um serviço local de linguagem ou visão, processamento de voz ou outro contentor chamado pelo Home Assistant. O mapeamento do dispositivo deve pertencer ao contentor dessa carga de trabalho e à respetiva fronteira de segurança.
As implementações do Frigate ilustram claramente o modelo de caminho do dispositivo: a aceleração por hardware depende de um dispositivo de renderização específico estar visível em toda a pilha de contentores. Um guia atualizado sobre o passthrough de iGPU no Frigate mostra por que razão é necessário verificar a visibilidade do dispositivo, as permissões dos grupos e as camadas de virtualização, em vez de presumir que a GPU do anfitrião está acessível.
Se o Home Assistant apenas orquestrar o serviço acelerado através de uma API ou MQTT, o Core não precisa de acesso direto ao dispositivo. Manter o mapeamento da GPU no contentor que a utiliza reduz os privilégios e facilita o isolamento de falhas.
Dispositivos de renderização Linux partilhados e passthrough de uma GPU inteira para uma VM são modelos diferentes
Com contentores Linux, mapear um nó de renderização, como /dev/dri/renderD128, para mais do que um contentor pode permitir que ambas as aplicações submetam tarefas através do controlador do anfitrião. Partilham um escalonador e recursos de memória, não recebem cada uma uma GPU física independente. A segurança desse método para uma carga de trabalho específica continua a depender do comportamento do controlador e da aplicação.
Um guia de passthrough de GPU para LXC torna explícita a fronteira do contentor: o anfitrião mantém o controlador real da GPU, enquanto um contentor recebe nós de dispositivo selecionados, como /dev/dri/renderD128. Este modelo de dispositivo de renderização partilhado permite que vários contentores acedam ao mesmo caminho do acelerador, mas continuam a competir pelos motores da GPU, pela largura de banda da memória e pelos limites específicos do fabricante.
A atribuição PCIe do dispositivo inteiro através de passthrough a uma máquina virtual é diferente. Um guia atual sobre VFIO no Proxmox descreve essa transferência como a atribuição exclusiva da GPU a uma VM, o que elimina o mecanismo normal de partilha através do controlador do anfitrião para essa placa. SR-IOV, dispositivos mediados, vGPU ou funcionalidades semelhantes podem proporcionar outro modelo de partilha em hardware compatível, mas são capacidades distintas que não devem ser consideradas disponíveis com o passthrough normal.
Verifique a visibilidade e as permissões em ambos os contentores antes de testar o desempenho
Inicie cada aplicação que utilize o acelerador separadamente e verifique, a partir do interior do contentor, o nó do dispositivo, as permissões do utilizador/grupo, as bibliotecas do controlador e o relatório de hardware da aplicação. Um contentor privilegiado não substitui a compreensão dos dispositivos de renderização e grupos necessários. Conceda apenas o acesso mínimo ao dispositivo necessário para que a carga de trabalho prevista funcione.
O mesmo fluxo de trabalho de mapeamento de dispositivos LXC permite verificar o nó de renderização a partir do interior do contentor e recomenda testá-lo com a conta de serviço real, em vez de confiar apenas na visibilidade no anfitrião. Use esse método para confirmar o acesso ao acelerador a partir do contentor antes de comparar o desempenho; o facto de um dispositivo estar listado no anfitrião não prova que a aplicação o consiga abrir.
Só considere a visibilidade confirmada quando ambos os contentores demonstrarem, de forma independente, que utilizam o hardware. Se um deles recorrer silenciosamente ao CPU, corrija o mapeamento ou a configuração do controlador antes de testar a execução em simultâneo. Caso contrário, a utilização do CPU pode dar a impressão de que a partilha da GPU está a funcionar, quando, na realidade, o anfitrião está a processar uma das cargas de trabalho por software.
Execute testes em separado e em simultâneo para encontrar o limite da partilha
Comece por medir cada carga de trabalho isoladamente: tempo de processamento de fotogramas, velocidade de codificação/descodificação, utilização do acelerador, utilização de memória, temperatura, consumo de energia e latência da aplicação. Em seguida, execute ambas em simultâneo, no pico normal de utilização. A configuração partilhada só é aceitável se a carga de trabalho crítica relacionada com o Home Assistant cumprir o prazo e nenhuma das aplicações começar a apresentar erros ou a recorrer a alternativas.
O teste já existente da ZimaSpace para partilhar uma GPU entre contentores estabelece a mesma regra operacional: a visibilidade do dispositivo é apenas o primeiro critério; a estabilidade em simultâneo e a contenção de recursos determinam se a partilha é realmente útil.
Mantenha um acelerador partilhado se ambos os consumidores respeitarem os limites de latência e memória durante a sobreposição real. Separe-os se uma tarefa provocar perda de fotogramas, atrasos na inferência, reinícios do controlador, erros de memória insuficiente, limitação térmica ou uma alternativa imprevisível. Se a GPU for atribuída na totalidade a uma VM, redesenhe a camada de virtualização ou adicione outro acelerador, em vez de tentar atribuir a um segundo contentor o dispositivo físico que já está a ser utilizado.
Assistência e dicas
Mais para ler

Como manter vídeos para adultos no seu NAS ocultos dos membros da família
Mantenha os vídeos para adultos privados num NAS familiar. Verifique as permissões das pastas, o acesso às bibliotecas do Plex e do Jellyfin, as...

O que verificar antes de carregar um modelo da comunidade em Transformers
Utilize a atualização da sandbox Jinja do Transformers para rever a proveniência dos modelos, os modelos de chat, o código remoto, os pesos serializados...

Execute o Mirage localmente: OCR e deteção de objetos a partir de uma imagem
Experimente o pequeno modelo de visão local da Cactus Compute, valide o OCR e a extração de objetos com dados reais e compreenda os...



