3 篇文档带有标签[DRA]

部署 KServe Standard vLLM 服务，并通过 HAMi 原生 DRA Claim 让两个 Predictor 副本共享一张 NVIDIA GPU。

通过 Kubernetes 原生 Dynamic Resource Allocation 实现同样效果（实验性）。

在 Pod 进入调度器之前，按 vGPU 数量、显存和算力执行配额准入。