Ja, flera mediacontainrar kan dela en GPU när värddrivrutinen och körmiljön stöder samtidig åtkomst och varje container får rätt åtkomst till enheten.
Containrar har normalt inte ensamrätt till en GPU på samma sätt som en virtuell maskin med fullständig passthrough. Intel Quick Sync och AMD VA-API exponerar vanligen delade renderingsenheter, medan NVIDIA-containrar kan dela en drivrutinsstack och GPU, med förbehåll för begränsningar i hårdvara, drivrutiner, kodekar, minne och sessioner. Konflikter uppstår när orkestreringen tilldelar enheten exklusivt, behörigheterna skiljer sig åt, containrarna levereras med inkompatibla bibliotek eller samtidiga transkodningar överskrider GPU:ns praktiska kapacitet.
Bekräfta att värden har stöd för samtidiga GPU-arbetsbelastningar
Installera och verifiera värddrivrutinen först och kör sedan en hårdvaruaccelererad transkodning utanför eller inuti en känd fungerande container. Anteckna GPU-modell, drivrutin, kodekar som stöds för kodning och avkodning, minne och uppmätt belastning.
En diskussion i TrueNAS-communityn beskriver flera appar som delar samma GPU när den exponeras för användning i stället för att tilldelas som en exklusiv resurs till en app. Skillnaden gäller delad åtkomst till enheten jämfört med exklusiv passthrough.
Om en container inte kan använda GPU:n tillförlitligt ska du inte lägga till en till. Åtgärda värddrivrutinen, kärnenheten, den fasta programvaran eller körmiljön innan du testar samtidig användning.
Exponera rätt enhet för varje container
För Intel och AMD jämför du kort- och renderingsnoderna i /dev/dri som skickas vidare till varje container. För NVIDIA jämför du körmiljön eller enhetsbegäran, variabler för synliga enheter och drivrutinens funktioner.
Ett NixOS Jellyfin-fall beskriver hur samma GPU på värden beter sig olika mellan containrar på grund av förändringar i operativsystemet och enhetsmiljön. Det visar varför matchning av enhetsexponering och bibliotek är viktigare än att kopiera en enda Compose-rad.
Använd minsta möjliga uppsättning enheter som varje app kräver och undvik privilegierat läge som genväg. Bekräfta efter en ombyggnad att den förväntade renderingsnoden eller NVIDIA-enheten visas i varje container.
Matcha behörigheter och användargrupper mellan containrar
Anteckna det numeriska ägar-ID:t och grupp-ID:t för renderingsenheten på värden och bekräfta sedan att varje containerprocess har motsvarande kompletterande grupp eller behörighet. Användarnamn som är specifika för en viss avbildning kan motsvara olika numeriska ID:n.
En container som visar GPU:n men inte kan öppna den kan falla tillbaka på programvarutranskodning eller rapportera att åtkomst nekas. Felet kan se ut som en enhetskonflikt när den andra mediacontainern fortsätter att fungera.
Testa varje container separat med samma fil och kodek. Ange uttryckligen behörighetsändringarna i Compose så att de inte försvinner vid uppgraderingar och återskapande av avbildningar.
Kontrollera kompatibiliteten för kodek, drivrutin och körmiljö
Jämför kodekarna och filtren som varje app ber GPU:n att köra, inklusive H.264, HEVC, AV1, tonmappning, undertexter, skalning och OpenCL- eller CUDA-filter. En arbetsbelastning kan kräva funktioner som en annan aldrig använder.
En aktuell guide till GPU-genomströmning för Jellyfin betonar att containerkonfigurationen ska matcha Intel QSV, NVIDIA NVENC eller AMD VA-API, i stället för att behandla alla vägar för hårdvaruacceleration som utbytbara. Körmiljön måste matcha GPU-familjen.
Se till att värddrivrutinen är kompatibel med containerkörningens bibliotek och undvik att paketera motstridiga drivrutiner i enskilda mediacontainrar. Testa avkodning, kodning och tonmappning separat.
Mät samtidiga sessioner, minne och temperaturgränser
Starta en hårdvarutranskodning i varje container och övervaka GPU-processer, användning, belastning på kodare och avkodare, minne, temperatur, fel och strömmarnas stabilitet. Öka samtidigheten gradvis med representativa medier.
En installation som beskrivs i Proxmox-communityn kör flera Jellyfin-instanser som transkodar samtidigt och verifierar aktiviteten från värden. Den visar också att samtidiga sessioner har praktiska begränsningar som beror på maskinvara och programvara.
En delad GPU fungerar när båda apparna förblir hårdvaruaccelererade och responsiva. Hackningar, misslyckad initiering av kodare, slut på minne, temperaturrelaterade återställningar eller att den ena appen tvingar den andra att använda programvara visar att arbetsbelastningen överskrider den nuvarande marginalen.
Håll konfigurations- och transkodningssökvägar åtskilda när GPU:n delas
Ge varje mediacontainer en egen konfigurationsdatabas, cache, transkodningskatalog, portar och identitet. Dela endast det skrivskyddade mediebiblioteket och GPU-enheten, såvida apparna inte uttryckligen har stöd för en gemensam tillståndskatalog.
ZimaSpaces guide till isolering av containerberoenden hjälper dig att skilja en GPU-konflikt från fel i en databas, cache, nätverk eller montering.
Designen är validerad först när båda containrarna överlever ombyggnader, använder hårdvaruacceleration samtidigt, respekterar sina egna behörigheter och sitt tillstånd samt håller sig inom gränserna för sessioner, minne och temperatur. Använd separata GPU:er eller programvarubaserad reservlösning när samtidiga arbetsbelastningar inte tillförlitligt kan uppfylla kvalitetskraven.
Support och tips
Mer att läsa

Så döljer du vuxenvideor på din NAS för familjemedlemmar
Håll vuxenvideor privata på en familje-NAS. Kontrollera mappbehörigheter, åtkomst till bibliotek i Plex och Jellyfin, miniatyrbilder, visningshistorik, delade TV-inloggningar och DLNA.

Vad du bör kontrollera innan du laddar en communitymodell i Transformers
Använd uppdateringen av Transformers Jinja-sandlådan för att granska modellernas ursprung, chattmallar, fjärrkod, serialiserade vikter och isolerade första körningar.

Kör Mirage lokalt: OCR och objektigenkänning från en enda bild
Testa Cactus Computes lilla lokala visionsmodell, validera OCR och objektextrahering med verkliga indata och förstå begränsningarna för minne, språk och integritet.



