产品 / 面向平台管理员
TAIP Admin
正式版在一个控制台中管理 AI 集群，日常运维无需依赖 kubectl。
TAIP Admin 是面向 AI 基础设施的 Web 管理控制台，由单个 Go 二进制文件提供 API 与前端。它自动识别 metrics-server、Kueue、KServe、Training Operator、cert-manager、Gateway API、DRA 和 VPA，按集群中可用的 API 启用功能；Prometheus、Alertmanager 和 Grafana 可通过 URL 接入，未配置时不影响基础功能。资源视图分为三层：Kubernetes API 提供请求量与容量，metrics-server 提供实时用量，Prometheus 提供最长 30 天的历史数据。存储视图关联 Ceph、Longhorn 后端与 PV，预测容量变化，并标记未挂载的 PVC。平台应用可统一查看健康状态、重启、扩缩容和回滚。Secret 列表仅读取元数据，不向浏览器传送密钥值；现有测试中，列出 617 个 Secret 的耗时由 62 秒降至 0.5 秒。
产品规格
- 版本
- v1.6.21 — 正式版
- 交付方式
- 单个 Go 二进制文件 · 一次 Helm 发布 · amd64 + arm64
- 自动识别
- metrics-server · Kueue · KServe · Training Operator · cert-manager · Gateway API · DRA · VPA
- 可接入
- Prometheus · Alertmanager · Grafana — 各一个 URL，可选
- GPU 遥测
- 单卡级 — NVIDIA DCGM · 昇腾 NPU：利用率、显存、温度、功耗
- 存储
- Ceph（可多集群）与 Longhorn 作为后端 · PV → 后端归属 · 容量预测 · 检测未挂载的 PVC · 按租户的 GiB·时
- 应用
- 平台各应用的健康视图 · 重启、扩缩容、回滚 · 告警按 Pod 所属应用归集
- 身份认证
- 用户、组、邀请、会话、服务账号 · 查看用户的应用访问权限
- 角色
- OIDC · 管理员/只读双角色 · Secret 值不出集群
- 语言
- English · 简体中文
使用示例
通过示例了解用法。
无需专用 SDK，也无需重写客户端。 TAIP Admin 可直接与现有工具对接。
$ helm install taip-admin taip/taip-admin
已识别 metrics-server ✓ kueue ✓ kserve ✓ cert-manager ✓
已识别 gateway-api ✓ dra ✓ vpa ✓ training-operator ✓
已接入 prometheus ✓ alertmanager ✓ grafana ✓ # 各填一个 URL
# 移除某个组件，对应页面随之自动隐藏
# 617 个 Secret 0.5 秒列出（仅元数据）· 值永不离开集群▌通过 Helm 部署单个二进制文件，控制台按已安装组件自动调整功能，并兼容不同 Kueue 版本，无需重新构建。
核心能力
TAIP Admin 的主要功能
GPU 与 AI 工作负载管理
支持浏览扩展资源和 DRA 设备，通过 NVIDIA DCGM 与昇腾 NPU 指标查看单卡利用率、显存、温度及功耗。GPU 热力图按资源归属展示闲置和使用情况，并提供拓扑与 MIG 信息。可管理 KServe InferenceService、ServingRuntime 和 Kueue 队列，通过自动识别 API 适配不同版本。
统一查看存储用量与容量趋势
通过 StorageBackend CRD 声明 Ceph 与 Longhorn 的集群标识、控制台链接和采集任务，关联 PV 与存储后端。Prometheus 提供健康、容量、OSD、存储池和文件系统指标，并据此预测容量变化。系统标记未挂载的 PVC，便于判断是否回收；界面支持扩容 PVC、修改回收策略和设置默认 StorageClass。租户用量按 GiB·时统计，可用于计费。
监控平台应用健康状态
统一展示 TAIP 各应用的健康状态，将告警关联到对应 Pod，并支持直接重启、扩缩容或回滚。应急监控视图（War Room）同时展示应用状态与节点矩阵，便于值班人员排查问题。
按监控配置展示资源数据
Kubernetes API 提供资源请求量、上限和容量；metrics-server 提供实时 CPU 与内存用量；Prometheus 提供 1 小时至 30 天的历史数据。界面按已配置的组件展示相应内容。Secret 列表仅读取元数据，现有测试中列出 617 个 Secret 用时 0.5 秒。
告警管理与 Grafana 联动
告警按严重程度标色，侧边栏显示实时告警数量。可一键设置静默，自动填入匹配条件；点击 Open-in-Grafana 时自动传入集群、节点、命名空间和 Pod 信息。控制台支持配置邮件/SMTP 或 CloudSentry webhook 通知接收端。
全屏应急监控视图
War Room 提供自动刷新的全屏监控视图，包含实时事件流、GPU 状态、节点矩阵、应用状态及调度与资源面板，适合值班和大屏展示。节点 cordon 与 drain 操作支持查看实时驱逐进度。
审计记录、闲置回收与应用目录
审计日志以结构化格式记录管理变更，可保存历史并在应用内查询。系统标记闲置 GPU、Notebook 和长期未活动的作业，便于回收资源。OCI/Helm 应用目录支持浏览 Chart 并通过向导安装，产品内置中英双语用户指南。
身份管理、拓扑与队列分析
统一管理平台用户、用户组、邀请、会话、MFA 设备和服务账号，并根据身份提供方的授权记录展示各用户可访问的 TAIP 应用。支持查看集群层级与节点 NUMA 拓扑，分析 Kueue 队列等待时间、深度、公平性和抢占情况，以及维护门户应用目录、发布公告。
工作原理
部署后即可开始管理集群。
- 步骤 01
连接集群
通过 Helm 部署单个 Go 二进制文件，按需安装可选 CRD，并配置 OIDC 单点登录。整个控制台运行于同一进程。
- 步骤 02
自动识别并启用集成功能
Kueue、KServe、DRA、VPA、cert-manager、Gateway API——从集群自动识别。Prometheus、Alertmanager、Grafana 各填一个 URL 即可。
- 步骤 03
运维与响应
按严重程度标色的告警、一键静默、War Room 应急监控视图、实时事件流、节点 cordon 与 drain——无需使用 kubectl。
适用团队
适合哪些团队
- 运营共享 AI 集群的平台工程师
- 排查事故的值班工程师
- 需要只读访问的审计人员（内置管理员与只读角色）