Server2025 和 GPU-P（GPU Partitioning，GPU 分区技术）的正式支持，  GPU-P 是一种将物理 GPU 划分为多个虚拟 GPU（vGPU）并分配给不同虚拟机或容器的技术。对 GPU 的基本支持，主要包括 GPU passthrough（GPU 直通）和部分 vGPU 支持（ NVIDIA GRID 等硬件支持）

GPU‑P（GPU Partitioning，GPU 分区）完整解构

全称：GPU Partitioning，GPU 硬件分区，也叫 GPU 物理切片；对标技术：SR‑IOV (GPU 虚拟化)、MIG (NVIDIA Multi‑Instance GPU)、vGPU、GPU‑v； GPU‑P：将一块物理 GPU 硬件，通过硬件固件 / 驱动，切分成多个独立、隔离的物理 GPU 分区实例，每个分区拥有独立的 CU 核心、显存、L2 缓存、编解码单元，对外呈现为多块独立 GPU 设备。 区分概念：

  • GPU‑P：硬件物理分区（硬件级隔离）
  • GPU‑v：时间切片虚拟化（软件分时复用，无硬件资源隔离）
  • NVIDIA MIG 就是 GPU‑P 的一种工业实现；AMD GPU‑P、Intel GPGPU Partition 属于同类技术。

一、底层原理

架构定位

物理 GPU 内部硬件被划分为多个硬件岛（Slice/Partition instance）：独立计算阵列、独立显存分区、独立 L2、独立媒体编解码引擎、独立寄存器组；GPU 固件 (GPU FW) 完成硬件资源切分；GPU 驱动对操作系统暴露多套 GPU 设备实例。

物理GPU硬件（完整GPU die）
        ↓
GPU固件(Firmware)：硬件资源切分，划分N个硬件Partition实例
        ↓
GPU内核驱动：枚举多个GPU分区实例，向OS PCIe子系统上报多个逻辑GPU设备
        ↓
操作系统内核(PCIe子系统)识别多块独立GPU设备
        ↓
用户态驱动库(CUDA/ROCm/OneAPI)；可直接分配给裸金属、虚拟机、容器使用

核心：每个 GPU‑P 分区拥有独立硬件资源，不是时间片轮转；分区之间硬件隔离，一个分区崩溃不会直接带垮其他分区（取决于固件实现）。

GPU‑P 内部关键模块

  1. GPU 固件分区管理器（Firmware Partition Manager） GPU 片上固件，真正执行硬件切分；配置计算 Slice 数量、显存分片、L2 划分、媒体引擎分配；设置硬件隔离屏障，防止分区之间越权访问显存。

MIG 的 gpu‑manager 固件就属于该模块；分区配置可以静态固化，也可以运行时动态重构。

  1. GPU 内核驱动 Partition 抽象层 接收固件上报的分区拓扑；向操作系统 PCIe 层虚拟出多个 GPU 设备实例；管理每个分区的资源配额、中断隔离、错误隔离；处理分区创建 / 销毁 / 重配置。
  2. PCIe 虚拟设备枚举层 GPU‑P 生成的每个分区，在 OS 看来是独立 PCIe 设备；拥有独立 BDF 号；虚拟机可以直接透传单个 GPU‑P 分区（类似 SR‑IOV PF/VF）。
  3. 用户态 SDK / 运行时库 CUDA / ROCm / OneAPI：识别本机多个 GPU‑P 分区实例；应用无感知，像使用多块物理 GPU 一样调用每个分区。
  4. 资源管理控制平面（管理工具） 命令行工具，用于设置分区 Profile：选择切分模式，例如 1 块 A100 切分为 1/2/4/7 个 MIG 实例；设置每个分区显存、计算核心配比。

完整业务链路（以 NVIDIA MIG (GPU‑P) 为例）

管理员执行命令创建GPU分区Profile
        ↓
用户态管理工具 → GPU内核驱动 → GPU片上固件
        ↓
固件对GPU硬件做物理资源切分，配置硬件隔离，生成多个MIG实例
        ↓
驱动向OS枚举多个独立GPU设备(独立BDF)
        ↓
裸金属：应用CUDA直接选择使用某一个GPU‑P分区；
        虚拟机：将单个GPU‑P分区VF透传给VM，VM内部识别为独立GPU；
        ↓
业务负载运行在分区硬件资源上；硬件隔离访问显存、计算单元；
        ↓
销毁分区：固件回收硬件资源，合并回完整GPU资源池

启动生命周期

主机上电 → GPU ROM/Firmware初始化
        ↓
BIOS/UEFI开启GPU‑P(MIG)功能；设置默认分区模式（或者关闭Partition）
        ↓
OS加载GPU内核驱动；驱动与GPU固件交互
        ↓
固件上报支持的Partition能力；可静态加载分区配置，或者等待管理员动态配置
        ↓
完成分区后，OS识别多块独立GPU设备；可供裸金属/VM使用

注意：部分 GPU‑P 模式，一旦开启硬件分区，GPU 不能直接作为完整单块 GPU 使用，必须先销毁所有分区。

二、依赖文件、依赖关系

以 NVIDIA MIG（工业 GPU‑P 实现）举例：

组件 说明
GPU On‑chip Firmware (ROM/FW 镜像) GPU 片上固件，真正完成硬件切分，GPU‑P 最核心依赖；没有支持 Partition 的固件，硬件无法开启 GPU‑P
NVIDIA 内核驱动 nvidia.ko(Linux) / nvlddmkm.sys(Windows) GPU 内核驱动，Partition 抽象层；与固件交互，枚举分区实例，上报 OS PCIe 子系统
nvidia‑mig‑manager（用户态管理守护进程 Linux） MIG 管理控制平面，下发分区配置、查询分区状态
nvidia‑smi 用户态命令行工具，配置、查看 GPU‑P 分区拓扑
CUDA Toolkit / libcuda.so 用户态 SDK，识别 GPU‑P 分区实例，应用调用 GPU 分区
PCIe 内核子系统（Linux pci.ko/ Windows pci.sys） 操作系统 PCIe 层，接收驱动上报的多个逻辑 GPU 设备 BDF

Windows 平台限制：NVIDIA MIG (GPU‑P) Windows 操作系统不支持 MIG 硬件分区，MIG/GPU‑P 主要运行在 Linux 裸金属平台。

AMD GPU‑P：

  • GPU 固件；amdgpu.ko 内核驱动；rocm‑smi；ROCm 运行时库。

Intel GPU‑P：

  • GPGPU 固件；i915 内核驱动；oneAPI 运行时。

BIOS/UEFI 依赖

  • BIOS 中必须开启 GPU 硬件分区功能；部分卡支持静态 Profile 预设；关闭则 GPU‑P 不可用。

注册表 /sysfs 依赖

  1. Linux：/sys/bus/pci/devices/ 每个 GPU‑P 分区拥有独立 PCI 设备节点；/sys/class/mig/暴露 MIG 分区拓扑。
  2. NVIDIA 驱动参数：模块参数控制 MIG 开启 / 关闭。

GPU‑P不依赖 Hypervisor（虚拟机监控器）：裸金属环境就可以直接切分 GPU；这是和 SR‑IOV 的重要区别。

三、配套链、工具与交互入口

  1. 硬件管理工具
  • nvidia‑smi：查看、查询 MIG (GPU‑P) 分区；设置 partition profile；
  • nvidia‑mig‑manager：守护进程，持久化 MIG 配置；
  • rocm‑smi（AMD）；intel_gpu_top（Intel）。
  1. 虚拟化配套
  • KVM：将单个 GPU‑P 分区（逻辑 PCI 设备）直接 VF 透传给虚拟机；VM 内部感知为独立物理 GPU；
  • 容器：Kubernetes GPU 调度 (nvidia‑container‑toolkit)，调度 GPU‑P 分区给容器；不需要透传，裸金属直接分配。
  1. 监控
  • nvidia‑smi / DCGM (Data Center GPU Manager)：监控每个 GPU‑P 分区算力、显存利用率、错误隔离状态；
  • prometheus DCGM exporter，采集分区指标。
  1. 操作系统约束
  • Linux：主流完整支持 GPU‑P (MIG)；
  • Windows：NVIDIA MIG (GPU‑P) 无支持；只能用 vGPU（时间切片 GPU‑v）；
  • 虚拟机内部：透传得到 GPU‑P 分区后，VM 内部驱动只识别分配给自己的分区，看不到其他分区。

四、边界、限制、坑点

✅能力边界

  1. 硬件级资源隔离：每个 GPU‑P 分区拥有独立计算核心、显存、L2、媒体编解码；不是软件时间切片；
  2. 裸金属即可使用，不一定需要 Hypervisor；
  3. 分区可透传给虚拟机，VM 内视为独立 GPU；
  4. 支持多种 Profile，可选择不同算力 / 显存配比；
  5. 错误隔离：大部分硬件错误局限在单个分区，不影响其他分区（取决于固件能力）。

❌边界与高频误区

  1. GPU‑P (MIG) 是硬件固件能力，普通消费级显卡不支持；只有数据中心 GPU (A100/H100 等) 支持；消费卡没有对应的硬件 Slice 与固件支持。
  2. GPU‑P 开启后，GPU 不能直接完整使用；必须销毁全部分区，才能恢复完整 GPU 模式。
  3. 分区粒度受硬件约束：不能任意切分；只能使用硬件固件提供的固定 Profile，不能随意自定义显存大小。
  4. Windows 下 NVIDIA 不支持 MIG (GPU‑P 硬件分区)，Windows 只能使用 vGPU (GPU‑v 时间切片虚拟化)，二者隔离能力完全不同。
  5. 虽然硬件隔离，但 GPU 全局资源（如部分电源管理、硬件报错）仍然属于整个物理 GPU；极端硬件故障（如 GPU die 硬件损坏）会影响全部分区。
  6. 不是 SR‑IOV：GPU‑P 生成的逻辑设备，逻辑上类似 VF，但实现路径是 GPU 内部硬件 Partition，不是 PCIe SR‑IOV；部分 GPU‑P 可以配合 SR‑IOV，二者是两套技术。
  7. 应用无需修改：CUDA 应用不需要改造；程序看到多个 GPU 设备，直接选择对应分区设备 ID 即可。

典型故障现象

  1. nvidia‑smi 看不到 MIG 配置选项：BIOS 未开启 GPU‑P/MIG，或者 GPU 固件版本过低，显卡型号不支持 MIG；
  2. 设置 MIG profile 报错：GPU 正在被应用占用，需要停止 GPU 负载再修改分区；
  3. 虚拟机透传 MIG 分区失败：内核 PCI/VFIO 配置错误；分区没有正确生成；
  4. 一个分区报硬件错误，其余分区正常：体现 GPU‑P 硬件错误隔离特性。

记忆链路： GPU‑P (GPU Partitioning) 是GPU 硬件物理分区技术；核心由 GPU 片上固件完成硬件 Slice 切分；内核驱动向 OS 上报多个独立 GPU PCI 设备；裸金属即可使用，也可以透传虚拟机；每个分区拥有独立算力、显存、缓存；MIG 是 NVIDIA 的 GPU‑P 实现；Windows 不支持 MIG 硬件分区；消费级显卡不具备该硬件能力。

GPU-P（GPU Partitioning，微软 Hyper-V 硬件级 GPU 分区）完整演进历程

术语区分

GPU-P = Microsoft GPU Partitioning，微软 Hyper-V 专属 SR-IOV 硬件 GPU 分区技术，依托 WDDM 驱动栈 + SR-IOV 虚拟功能 (VF)，将单物理 GPU 切分为多隔离虚拟 GPU 给多台 VM；
 
同期竞品：NVIDIA MIG、Linux mdev/vGPU、AMD MxGPU，技术路线完全独立。

一、前置铺垫阶段：RemoteFX vGPU 软件虚拟化（2012–2016，初代 GPU 共享，无硬件分区）

系统载体：Windows Server 2012 / 2012 R2

  1. 技术形态：纯软件时间切片共享，无硬件隔离，不依赖 SR-IOV；宿主机统一拦截虚拟机图形指令，串行转发给物理 GPU。
  2. 核心缺陷
    • 无显存 / 算力硬件隔离，一台 VM 负载飙升会抢占全部 GPU 资源；
    • 存在高危远程代码执行漏洞，微软标记高危；
    • 性能损耗高，不支持 AI/CUDA 计算，仅适配 2D 轻量 VDI；
  3. 结局：Windows Server 2022 彻底移除 RemoteFX vGPU，作为 GPU-P 的过渡淘汰方案。

二、预研雏形：DDA 直通 + GPU-PV 半虚拟化（2016–2021，双并行技术铺垫底层架构）

1. DDA 离散设备直通（Windows Server 2016）

  • 能力：1:1 完整直通整块 GPU 给单台 VM，无共享能力，资源利用率极低；
  • 底层：完整 SR-IOV PF 直通，无 VF 拆分逻辑，是 GPU-P 硬件底层基础。

2. GPU-PV（GPU 半虚拟化，WDDM 2.4 / Win10 1803）

关键里程碑：WDDM 2.4 正式落地 GPU-PV 半虚拟化框架（GPU-P 核心原型）

  1. 诞生初衷：为 WSL2 提供 Linux GPU 加速，仅对内支持，未开放给普通 Hyper-V 虚拟机；
  2. 底层架构：VMBus 半虚拟化通道，宿主机代理转发 GPU 指令，无硬件 VF 隔离；
  3. 民间扩展：Easy-GPU-PV 脚本破解，实现 Windows 虚拟机共享 GPU，但无硬件安全边界，跨 VM 数据可泄露；
  4. 技术价值：完成 WDDM 虚拟化接口、GPU 资源调度、宿主机 / 虚拟机驱动通信全栈验证，为 GPU-P 铺路。

3. GPU-P 规划延期（2019–2022）

微软原计划 Windows Server 2019 推出 SR-IOV 硬件 GPU-P，因 NVIDIA/AMD 驱动 SR-IOV 适配、WDDM 硬件隔离逻辑缺陷延期，Server2019/2022 仅保留 DDA 与 GPU-PV，无正式 GPU-P 功能。

三、第一代正式落地：Windows Server 2025 / WDDM 3.1（2024 发布，GPU-P 1.0 商用版）

核心颠覆性设计（SR-IOV 硬件分区，GPU-P 正式定名）

  1. 硬件底层：复用 PCIe SR-IOV PF/VF 架构，物理 GPU (PF) 拆分为多个独立 VF 虚拟 GPU，硬件级显存、算力、编解码隔离，区别于 GPU-PV 软件共享；
  2. WDDM 驱动重构：WDDM 3.1 新增 GPU-P 分区调度接口，宿主机驱动管控各 VF 资源配额；
  3. 官方支持硬件：NVIDIA Turing/Ampere/Ada 系列数据卡（A2、L4、A10、A40、L40S），AMD 专业 SR-IOV 显卡；
  4. 基础能力
    • 自定义切分比例：1/2、1/4、1/8 等分固定硬件分区；
    • 硬件安全边界：VM 仅能访问分配给自己的 VF 资源，无法窥探其他虚拟机显存；
    • 支持 CUDA、AI 推理、3D CAD、云游戏完整图形 / 计算负载；
    • Windows 管理中心图形化配置 GPU 分区数量；
  5. 局限初代 1.0：不支持 GPU-P 虚拟机实时迁移 (Live Migration)，无法集群故障转移，只能单机静态分配。

四、第二代成熟增强：WDDM 3.2 / Win11 24H2 / Azure Stack HCI 24H2（2025–2026，当前最新）

核心新增功能（GPU-P 2.0 完整生产级能力）

  1. GPU-P 实时迁移 Live Migration（最重大迭代）
     
    引入 Dirty Bit Tracking 脏页追踪机制，迁移时增量同步 GPU 显存上下文，VM 带 GPU 分区跨主机无停机迁移，支持集群故障转移、负载均衡；
  2. 调度优化：动态资源权重调度，空闲 VM 自动释放闲置算力给高负载业务；
  3. 安全加固：增加 VF 隔离内存加密，阻断跨 VM 侧信道泄露；
  4. 兼容性扩容：新增 ReFS、大规模 AI 集群、多会话 Windows VDI 完整适配；
  5. 云原生落地：Azure 公有云 NV 系列 VM 全面基于 GPU-P 提供按量 GPU 分片实例，大规模商用。

五、GPU-P 配套技术演进时间线总表

阶段 时间 载体 核心技术 隔离层级 核心短板
初代软件共享 2012–2016 Server2012 R2 RemoteFX vGPU 纯软件时间切片 无硬件隔离，完全共享 漏洞多、不支持 CUDA，已废弃
直通铺垫 2016–2021 Server2016 DDA 1:1 GPU 完整直通 单 VM 独占，无分片 无法多 VM 共享，利用率低
半虚拟化原型 2018–2022 Win10 1803 WDDM2.4 GPU-PV VMBus 软件转发 软件逻辑隔离，无硬件边界 仅 WSL2 官方支持，安全弱
GPU-P 1.0 正式版 2024 Server2025 WDDM3.1 SR-IOV 硬件 VF 分区 硬件显存 / 算力强隔离 无实时迁移，单机静态分配
GPU-P 2.0 生产完整版 2025–2026 Win11 24H2 / HCI24H2 WDDM3.2 SR-IOV + 脏页追踪迁移 硬件隔离 + 动态调度 完善集群、迁移、云化能力

六、底层架构演进核心变化脉络

1. 共享模式演进：软件时间切片 → 半虚拟化转发 → SR-IOV 硬件空分

  1. RemoteFX：全局时间片轮询，所有 VM 共用一套硬件资源，无隔离；
  2. GPU-PV：VMBus 代理转发，软件层面拆分资源，硬件无隔离；
  3. GPU-P：SR-IOV 硬件预拆分 VF，每个 VF 拥有独立硬件资源通道，硬件原生隔离，延迟最低、安全最高。

2. WDDM 驱动栈演进

  1. WDDM2.x：仅支持单 GPU 完整直通 / 半虚拟化转发，无硬件分区调度接口；
  2. WDDM3.1：新增GPUPartition硬件资源配额 API，管控 VF 显存、CUDA 核心、视频编码单元；
  3. WDDM3.2：新增 GPU 上下文脏页追踪接口，支撑实时迁移，完善集群调度。

3. 安全边界演进

  1. 软件虚拟化：无硬件隔离，恶意 VM 可读取其他虚拟机 GPU 显存；
  2. GPU-P 硬件分区：PCIe 硬件 MMIO 隔离，VF 之间内存地址空间完全隔绝，IOMMU 二次阻断非法访问，杜绝跨 VM 凭据 / 数据窃取。

4. 运维能力演进

  1. 早期：仅 PowerShell 命令行配置，无集群、迁移能力；
  2. 现代 GPU-P 2.0：Windows 管理中心可视化管理、集群统一纳管、在线迁移、故障自动切换、资源监控报表。

七、GPU-P 与同期同类硬件分区技术演进对比

技术 厂商 底层标准 隔离方式 迁移能力 诞生时间
GPU-P 微软 Hyper-V SR-IOV WDDM 硬件 VF 强隔离 2025 新增 Live Migration 2024 正式商用
MIG NVIDIA GPU 硬件内部切片 硬件内部分区 依赖 vGPU 驱动迁移 2021 (Ampere 架构)
MXGPU AMD SR-IOV 硬件 VF 隔离 无原生迁移 2017
mdev/vGPU Linux(KVM) Mdev 中介设备 软件 + 硬件混合隔离 跨主机迁移复杂 2017 内核 4.10

八、演进核心驱动力

  1. VDI / 云游戏 / AI 推理高密度需求：单 GPU 多 VM 并发，解决 DDA 直通资源浪费；
  2. 安全合规需求：软件共享无隔离，存在数据泄露风险，SR-IOV 硬件分区满足等保、内网隔离要求；
  3. Windows 云化战略：Azure 公有云需要轻量分片 GPU 实例，GPU-P 作为底层基础设施；
  4. WDDM 图形驱动迭代：WDDM3.x 重构虚拟化层，补齐硬件分区、上下文迁移底层接口；
  5. 集群高可用诉求：初代 GPU-P 无法迁移，无法支撑企业生产集群，2 代补充 Live Migration 补齐生产短板。

 

GPU-P（GPU Partitioning）完整底层原理

GPU-P 是微软基于 PCIe SR-IOV + WDDM 3.x 实现的硬件级 GPU 分区方案，运行在 Hyper-V 虚拟化栈，核心是将单张物理 GPU（PF，物理功能）硬件切分为多个独立 VF（虚拟功能），为每台虚拟机分配隔离的显存、算力、编解码资源，区别于 RemoteFX/GPU-PV 纯软件共享。

一、整体分层调用链路

物理 GPU 硬件 → PCIe SR-IOV PF/VF 硬件层 → IOMMU 内存隔离 → WDDM 3.x GPU-P 宿主机驱动 → Hyper-V VSP/VMBus → 虚拟机 WDDM 客户驱动 → VM 内图形 / 计算应用
 
全链路实现硬件原生隔离，而非宿主机软件分时切片。

二、1. PCIe SR-IOV 硬件底层（分区物理基础）

1.1 PF/VF 硬件架构

  1. PF（Physical Function，物理功能）
     
    GPU 主硬件接口，挂载在宿主机，拥有完整 GPU 全局控制权限，负责资源分配、VF 创建、配额管控、中断管理。
  2. VF（Virtual Function，虚拟功能）
     
    PF 在硬件层面拆分出的独立轻量级 GPU 通道，是分配给虚拟机的最小硬件单元：
    • 每个 VF 拥有独立 PCIe BAR 地址空间、独立 MMIO 寄存器窗口；
    • 硬件预划分固定比例显存、CUDA 核心、视频编解码引擎；
    • VF 之间硬件内存地址完全隔离，硬件阻断跨 VF 直接内存访问。
  3. 硬件切分规则（NVIDIA/Ampere/Ada 专业卡标准）
     
    单 GPU 支持均分：1/2、1/4、1/8 分片，硬件锁死资源边界，宿主机软件无法突破硬件配额。

1.2 IOMMU 内存隔离加固

主板 IOMMU（Intel VT-d / AMD IOV）对每个 VF 做独立 DMA 地址翻译：
  • 虚拟机仅能访问分配给自己的 VF 显存物理页；
  • 阻断虚拟机 DMA 直接访问其他 VF、宿主机物理内存；
  • 消除侧信道攻击、跨 VM 显存数据窃取风险，是合规隔离核心。

1.3 硬件中断隔离

每个 VF 分配独立 MSI-X 中断向量，虚拟机图形负载中断不会互相干扰，无共享中断抢占延迟。

三、2. WDDM 3.x GPU-P 驱动栈核心逻辑（软件调度层）

GPU-P 依赖 WDDM 3.1 及以上 新增专用 GPU 分区接口，分为宿主机驱动（PF 驱动）与虚拟机客户驱动（VF 驱动）两层。

2.1 宿主机 PF 驱动核心职责

  1. 硬件资源分区初始化
     
    接收 Hyper-V 配置的分片数量，下发指令给 GPU 固件，在硬件层面划分各 VF 显存、CUDA、编码器配额；
  2. 全局资源管控
     
    统一调度 GPU 全局共享硬件单元（全局时钟、PCIe 带宽、电源管理），但不穿透各 VF 私有资源；
  3. VF 上下文脏页追踪（WDDM3.2 新增，支持热迁移）
     
    硬件标记 VF 显存修改脏页，实时记录 GPU 渲染 / 计算上下文，为 Live Migration 提供增量同步数据；
  4. 故障隔离
     
    单个 VF 虚拟机崩溃时，PF 驱动仅重置对应 VF 硬件通道，不影响其他 VF 与宿主机 GPU。

2.2 虚拟机 VF 客户驱动

虚拟机内仅识别分配到自身的 VF 虚拟 GPU，完全看不到其他 VF、物理 PF 硬件资源：
  1. 仅枚举分配给自己的显存、算力核心、编解码单元；
  2. 图形 / 计算 API（DirectX、CUDA、OpenCL）调用直接下发至 VF 硬件通道，不经过宿主机软件中转；
  3. 无全局 GPU 控制权，无法修改硬件分区配额、窥探其他虚拟机资源。

2.3 与 GPU-PV 半虚拟化本质区别

特性 GPU-P（SR-IOV 硬件分区） GPU-PV（WSL2 半虚拟化）
指令转发路径 VM → VF 硬件直连 GPU，无宿主机代理 VM → VMBus → 宿主机代理转发 GPU 指令
隔离等级 PCIe 硬件 + IOMMU 双层强隔离 纯软件逻辑隔离，硬件资源完全共享
性能损耗 极低（<5%） 高（15%~30%）
CUDA/AI 计算 完整支持 仅基础渲染，不支持 CUDA 计算

四、3. Hyper-V 虚拟化栈配套链路

3.1 VSP/VMBus 控制通道

VMBus 仅承载控制指令（分区配置、迁移同步、状态查询），图形 / 计算数据流直接走 PCIe VF 硬件通道，不经过 VMBus 转发，这是 GPU-P 低延迟核心原因。
  • VSP：vgpu.dll Hyper-V GPU 分区服务，负责解析 PowerShell/UI 分区配置，下发给 WDDM PF 驱动；
  • VMBus：仅传输轻量元数据，不承载海量显存帧数据。

3.2 虚拟机生命周期联动

  1. 创建 VM 分配 GPU 分片：VSP 调用 WDDM 接口创建 VF，绑定 IOMMU 隔离域；
  2. 启动 VM：VF PCIe 设备透传至虚拟机，客户 WDDM 驱动加载；
  3. 关机 / 销毁 VM：PF 驱动释放 VF 硬件资源，回收显存与算力配额；
  4. 实时迁移（WDDM3.2）：
    1. PF 驱动通过脏页追踪捕获 VF 显存增量修改；
    2. 通过 VMBus 将增量 GPU 上下文同步至目标宿主机；
    3. 目标主机创建对应 VF，恢复显存上下文，虚拟机无感知迁移。

五、4. 显存与算力资源隔离底层实现

4.1 显存隔离

  1. 物理 GPU 显存按分片比例在硬件划分为独立地址段，每个 VF 拥有专属物理显存区间；
  2. GPU 内存管理器（GMM）硬件级拦截跨 VF 显存读写请求，直接返回硬件错误；
  3. 虚拟机 CUDA/DirectX 内存分配仅能使用自身分片显存上限，超量直接抛出内存不足，无法抢占其他 VM 显存。

4.2 算力 / 编解码隔离

  1. CUDA 核心、光追核心、视频编码器硬件分组绑定对应 VF；
  2. 硬件调度器限制 VF 仅能调度自身分组硬件单元，高负载 VM 无法抢占其他 VF 计算资源；
  3. 多 4K/8K 视频转码场景，各 VM 编码硬件独立，互不抢占编码带宽。

六、5. 完整 GPU-P 工作流程（新建带 GPU 分区虚拟机）

  1. 管理员通过 PowerShell/Windows 管理中心指定 GPU 分片（如 1/4）；
  2. Hyper-V VGPU VSP 调用 WDDM PF 驱动，下发 SR-IOV VF 创建指令；
  3. GPU 固件硬件划分独立 VF，分配专属显存、算力、PCIe BAR 空间；
  4. IOMMU 为 VF 创建独立 DMA 隔离域，阻断跨 VM 内存访问；
  5. 启动虚拟机，VF 作为 PCIe 虚拟设备透传至 VM；
  6. 虚拟机加载 WDDM VF 客户驱动，枚举自身分片 GPU 资源；
  7. VM 内应用 DirectX/CUDA 指令直接下发至 VF 硬件通道，硬件独立执行渲染 / 计算；
  8. 宿主机 PF 驱动仅监控全局状态，不介入虚拟机图形数据流。

七、6. 安全底层防护机制

  1. PCIe 硬件隔离：VF 之间 MMIO、显存地址空间硬件隔离，无硬件通路直接访问其他虚拟机资源；
  2. IOMMU DMA 阻断：虚拟机 DMA 仅能访问自身分配的内存页，防止 DMA 攻击窃取宿主机 / 其他 VM 数据；
  3. VF 权限锁死：虚拟机驱动无 PF 全局控制权限，无法修改 GPU 分区、重置其他 VF；
  4. 故障域隔离：单 VM 显卡崩溃仅重置对应 VF，不影响整机 GPU 与其他虚拟机；
  5. 无软件代理漏洞面：区别于 RemoteFX 全代理转发，数据流不经过宿主机图形代理，大幅削减远程代码执行攻击面。

八、7. 底层固有限制（硬件架构决定）

  1. 依赖 GPU 硬件 SR-IOV 固件支持，消费级游戏显卡普遍屏蔽 SR-IOV，仅专业数据卡（A2/L4/A10/L40S）可用；
  2. 初代 GPU-P（WDDM3.1）无脏页追踪，不支持实时迁移，WDDM3.2 才补齐；
  3. VF 分片比例为硬件固定等分（1/2/4/8），不支持自定义弹性资源配比；
  4. 单 GPU 最大 VF 数量受硬件固件限制，无法无限拆分；
  5. 不兼容 GPU 完整 DDA 直通模式，同一物理 GPU 只能选择 DDA 1:1 直通 或 GPU-P 分片，两种模式不能混用。

九、8. 与同类 GPU 虚拟化底层架构对比

技术 隔离载体 数据通路 核心底层依赖
GPU-P（微软） PCIe SR-IOV VF + IOMMU VM ↔ VF 硬件直连 WDDM3.x + SR-IOV PF/VF
NVIDIA MIG GPU 内部硬件切片 GPU 内部硬件总线 NVIDIA 专属固件 vGPU 驱动
AMD MxGPU SR-IOV VF VM ↔ VF 直连 AMD 专业 SR-IOV 固件
GPU-PV/WSL2 软件 VMBus 代理 VM → 宿主机代理转发 WDDM2.x 半虚拟化接口
RemoteFX vGPU 纯软件时间切片 全量指令宿主机中转 废弃 GDI 虚拟化栈

Server2025 和 GPU-P（GPU Partitioning，GPU 分区技术）的正式支持，  Windows Server 2025 系统将全面支持 GPU-P 技术。然而，GPU-P 是一种将物理 GPU 划分为多个虚拟 GPU（vGPU）并分配给不同虚拟机或容器的技术。

如果你是在询问 Windows Server 或 Microsoft Hyper-V 是否已经正式支持 GPU-P 或类似的 GPU 虚拟化技术，那么可以看看以下几个要点：

1. GPU Virtualization 与 GPU-P：

GPU 分区技术，如 NVIDIA 的 MIG (Multi-Instance GPU) 和 AMD 的 MxGPU，允许将物理 GPU 分割成多个虚拟 GPU，从而让每个虚拟机或容器获得部分 GPU 资源。这在高性能计算、深度学习训练、图形加速等应用中非常有用。

目前，微软的 Hyper-V 虚拟化平台已经支持 GPU 直通（GPU passthrough） 和 vGPU（虚拟 GPU）功能。它允许在虚拟化环境中利用 GPU 加速。具体的支持情况取决于所使用的 GPU 硬件（如 NVIDIA GRID 系列、AMD MxGPU 技术等）和相关的驱动程序。

2. Windows Server 和 GPU-P 支持：

  • 在 Windows Server 2016/2019/2022 中，Microsoft 提供了对 GPU 的基本支持，主要包括 GPU passthrough（GPU 直通）和部分 vGPU 支持（通过使用 NVIDIA GRID 等硬件支持）。
  • Windows Server 2022 已经通过 Hyper-V 支持了某些 NVIDIA vGPU 特性，允许多台虚拟机共享 GPU 资源，前提是需要兼容的硬件和驱动支持。

3. GPU-P 在未来版本中的支持：

关于 Windows Server 2025 是全面支持 GPU-P，如果你指的是未来的服务器版本（例如 Windows Server Long-Term Servicing Channel (LTSC) 版本），则有可能会增加对更先进 GPU 分区技术的支持，但这需要依赖于硬件厂商的驱动更新和微软的系统支持。

4. 与硬件厂商的合作：

要使用 GPU-P，需要相应支持的硬件。NVIDIA 和 AMD 都提供了硬件和驱动程序支持，使得物理 GPU 可以进行分区并分配给多个虚拟机或容器。  Windows Server 中加入了对这些硬件技术的进一步支持，那么 GPU-P 可能会成为正式支持的一部分。

 Windows Server 版本（包括 Server 2022）已经支持某些形式的 GPU 虚拟化和 GPU 直通，但 GPU-P 作为一种分区技术是否会在未来版本中得到更广泛支持， 。若你的需求是具体的 GPU-P 支持，可以查看硬件厂商（如 NVIDIA 或 AMD）与微软的技术路线图，了解他们是否会在新版本的操作系统中增加更详细的支持。

推荐做法：

  • 查看 NVIDIA 或 AMD 的 GPU 虚拟化文档，了解他们的 GPU-P 分区技术是否已与 Windows Server 配合。
  • 留意 Windows Server 2025 或未来版本的发布公告，特别是关于 GPU 虚拟化 和 GPU-P 相关的新增功能。

如果你是希望使用 GPU 加速功能的企业环境，考虑选择兼容的硬件平台和相应的虚拟化解决方案，这样可以获得更好的性能和资源管理支持。

GPU Partitioning (GPU-P) 是一种将单个物理 GPU 分割成多个虚拟 GPU (vGPU) 的技术。它使得多个虚拟机或容器能够共享物理 GPU 的计算资源，每个虚拟 GPU 都能独立运行、执行任务，且与其他虚拟 GPU 隔离。GPU Partitioning 的目的是优化 GPU 资源的使用，尤其是在多租户或大规模虚拟化环境中，以便让每个用户或虚拟机都能享有 GPU 加速的好处，而不需要每台虚拟机都配备独立的物理 GPU。

1. GPU Partitioning 的工作原理：

GPU Partitioning 技术通过将物理 GPU 的资源分割为多个小的、可管理的单元，使得每个虚拟机或容器可以使用 GPU 的部分资源，而不会相互干扰。这种分配方式类似于 CPU 分区（例如，虚拟 CPU）和 内存分区，可以实现资源的共享和动态分配。

通常，GPU-P 主要有两种实现方式：

  • 硬件级 GPU Partitioning：例如，NVIDIA 的 Multi-Instance GPU (MIG) 和 AMD 的 MxGPU。这些技术通过硬件将物理 GPU 划分成多个虚拟 GPU 实例，每个实例具有独立的资源（如计算核心、内存、带宽等），可以分配给不同的虚拟机或容器。

  • 软件级 GPU Partitioning：通过软件或驱动程序实现的 GPU 资源分割，通常是通过虚拟化管理程序或驱动程序来模拟多个虚拟 GPU 实例。

2. GPU Partitioning 的关键特性：

  • 资源隔离：每个虚拟 GPU 都有独立的计算资源、内存和带宽，不同的虚拟机或容器之间不会相互影响。
  • 灵活性：可以根据需求动态分配资源，例如为计算密集型的虚拟机分配更多的 GPU 资源，或者为其他虚拟机分配较少的资源。
  • 性能优化：通过充分利用 GPU 的多核架构和内存带宽，使得多个虚拟机共享同一物理 GPU 时，不会出现显著的性能瓶颈。
  • 成本效益：减少了为每个虚拟机配备独立 GPU 的需要，降低了硬件成本，适用于云计算、大规模数据中心等环境。

3. 支持 GPU Partitioning 的硬件：

目前，有一些主要的 GPU 制造商提供了对 GPU Partitioning 的支持：

  • NVIDIA：NVIDIA 提供了 MIG (Multi-Instance GPU) 技术，专门针对其 A100、A40、A30 等数据中心级 GPU。MIG 将物理 GPU 划分成多个子 GPU，每个子 GPU 拥有独立的内存和计算单元。MIG 可以在多个虚拟机或容器之间高效分配 GPU 资源。

  • AMD：AMD 的 MxGPU (Multi-user GPU) 技术支持硬件级虚拟化，能够将单个 GPU 分割成多个虚拟 GPU，供多个虚拟机使用，广泛用于虚拟化平台和云环境中。

4. GPU Partitioning 的应用场景：

  • 云计算与虚拟化：在云环境中，GPU-P 能够提高资源的利用率，让多个租户或虚拟机共享 GPU 资源。这样，每个租户都能获得 GPU 加速的优势，而无需为每个虚拟机购买独立的 GPU。

  • 数据中心与超算：在高性能计算（HPC）和大规模机器学习训练等场景中，GPU-P 可以高效地分配 GPU 资源，减少硬件开销，提高资源的利用效率。

  • 深度学习与 AI 训练：深度学习训练通常需要大量的计算资源，通过 GPU-P，可以将多个 GPU 资源分配给不同的任务或训练模型，提高训练效率。

  • 虚拟桌面基础架构 (VDI)：为多个虚拟桌面或图形密集型应用提供 GPU 加速，例如 CAD、3D 渲染、虚拟现实等应用场景。

5. Windows Server 和 GPU Partitioning 支持：

目前，微软的虚拟化平台 Hyper-V 已经支持通过 GPU passthrough 和 vGPU 的方式来虚拟化 GPU 资源。对于 GPU-P，主要的支持还是依赖于硬件厂商的技术，如 NVIDIA MIG 和 AMD MxGPU 技术。

在 Windows Server 2022 和之后的版本中，虚拟化技术（尤其是 Hyper-V 和相关驱动程序）支持了对某些 vGPU 技术的支持，但这通常需要特定的硬件（如 NVIDIA GRID 卡或 AMD Radeon Pro 系列）和驱动程序支持。具体的 GPU-P 分区技术是否会被更广泛地集成到微软的操作系统中，还需要依赖于硬件厂商和微软的未来发展计划。

GPU Partitioning (GPU-P) 是一种通过将单个物理 GPU 分割为多个虚拟 GPU 实例的技术，可以让多个虚拟机或容器共享同一 GPU 的计算资源。它被广泛应用于云计算、高性能计算和深度学习训练等场景中，能够有效提高硬件资源的利用率。若要在 Windows Server 中使用 GPU-P，通常需要配合支持此技术的硬件和相应的虚拟化软件。

 

posted @ 2024-11-20 09:11  suv789  阅读(1109)  评论(0)    收藏  举报