产品架构
本文内容整理自《Rise 算力管理平台技术白皮书》，介绍 Rise 智算平台的技术架构分层、核心组件与 AI 芯片支持清单。运行环境要求单独成章，见 运行环境。
技术架构
平台采用分层调用逻辑架构，自上而下依次为：
| 层级 | 说明 |
|---|---|
| 接入层 | Higress 网关统一承接南北向流量（前端、业务 API、MCP Server）；cert-manager 负责 TLS 证书自动签发与续期。 |
| 前端层 | console-ui 管理控制台（Vue 3 微前端），提供智算开发平台与管理后台两套入口。 |
| 业务后端层 | auc（认证与用户中心）、nova（算力资源调度引擎）、duty（告警与值班）、novanotebook（Notebook 与自定义服务生命周期 Operator）。 |
| VAST 平台底座层 | 自研云原生 APIServer（vast-apiserver/controller）：GPU 设备管理、镜像仓库（Harbor）集成、Pod 设备资源与拉取密钥注入。 |
| 异构算力层 | GPU/NPU 虚拟化与调度（HAMi）、分布式批调度（Volcano、LWS）、各厂商 device-plugin；运行指标由 dcgm-exporter、npu-exporter 采集上送。 |
| 数据/存储/可观测层 | PostgreSQL（Patroni 高可用）、Redis、MinIO（对象存储/日志持久化）、nfs-provider（NFS 动态供给）、Prometheus、fluent-bit（日志采集）、tempo（链路追踪）。 |
| AI 助手层（旁路） | 平台内置聊天助手基于大语言模型，经 camp-mcp-server 与 acuvity-mcp-server 提供的 MCP 工具能力对外服务，不侵入主链路。 |
架构特点
- 异构 GPU 资源统一调度：在操作系统用户层实现跨厂商算力池化调度，不侵入 Linux 与 K8s 内核。
- 高可用架构：实时监测组件状态、故障自动重启/重调度；管控与计算分离。
- 快速迭代：组件容器化交付、微服务松耦合，支持灰度发布与回滚，组件可独立升级。
- 多架构部署：容器镜像与 K8s API 屏蔽底层差异，支持跨云、本地及边缘部署，支持 x86 与 ARM 架构。
- 可观测平台：Prometheus 指标采集 + 可视化界面，覆盖设备层到任务层的全链路监控。
核心组件
平台组件按前端层、可观测层、后端层与基础设施层组织：
| 组件 | 核心功能 |
|---|---|
| Higress 网关 | 统一南北向流量入口，路由前端、业务 API、MCP Server |
| cert-manager | 集群内 TLS 证书自动签发与续期 |
| console-ui | 算力平台管理控制台，会话与登录态 |
| k8s-dashboard | 多集群节点/Pod/存储管理，集成终端访问 |
| auc | 认证与用户中心，部门/主机/集群定时同步 |
| nova | GPU/vGPU 算力资源管理与调度引擎，资源回收/清理/计费/微调训练/数据集管理 |
| duty | 告警与值班管理：告警接收、升级、排班轮转、通知 |
| VAST（vast-apiserver/controller） | 自研云原生 APIServer：GPU 设备管理、镜像仓库集成、Pod 资源注入 |
| novanotebook | Notebook 与自定义服务生命周期管理（Operator） |
| cloudtty | Pod/节点终端管理 |
| sftgo | 模型权重/文件上传管理 |
| camp-ai-assistant | 平台 AI 助手，通过 MCP 调用工具 |
| camp-mcp-server | 向 AI 助手暴露平台数据查询工具（应用/资源/任务） |
| acuvity-mcp-server | 提供绘图/图表生成等 MCP 工具能力 |
| hami | 异构算力虚拟化（vGPU 显存/算力切分）+ 调度器 |
| volcano | 分布式训练批调度，Gang 调度 |
| lws | LeaderWorkerSet，分布式训练 Leader/Worker 协调 |
| metax-operator | 沐曦 GPU 设备管理与调度 |
| device-plugin | 各厂商显卡设备 K8s 插件（GPU/NPU 等） |
| dcgm-exporter | NVIDIA GPU 指标采集（DaemonSet） |
| npu-exporter | 昇腾 NPU 指标采集（DaemonSet） |
| postgresql / pg-patroni | 关系型数据持久化 + 高可用 |
| redis | 缓存/会话/队列 |
| fluent-bit | 节点日志采集与转发（DaemonSet） |
| tempo | 分布式链路追踪存储 |
| minio | 日志与对象存储 |
| nfs-provider | CSI 共享存储对接 NFS，供各 GPU 节点文件共享挂载 |
| prometheus | 监控指标采集与存储 |
AI 芯片厂商支持清单
| 厂商 | 型号 | 池化支持 |
|---|---|---|
| NVIDIA | 全系 | ✅ 支持 |
| 昇腾 | 310P / 910A / 910B2、B3、B4 / 910C | ✅ 支持 |
| 海光 | DCU Z100、Z100L / K100、K100_AI | ✅ 支持 |
| 沐曦 | 曦云 C500 | ✅ 支持 |
| 寒武纪 | 370X4、X8 / 370S4、S8 / 590 | ✅ 支持 |
| 天数智芯 | 天垓 BI-V100、BI-V150 / 智铠 MR-V100 | ✅ 支持 |
| 摩尔线程 | MTT S4000 / M1000 | ✅ 支持 |
| 昆仑芯 | 3 代 P800 | ✅ 支持 |
| 燧原 | S60 | ✅ 支持 |
| 平头哥 | PPU | ✅ 支持 |
运行环境要求（软件依赖、资源配置建议、部署拓扑、操作系统与 AI 框架支持）见 运行环境。