Hyper-V虚拟化平台GPU分区和GPU半虚拟化技术的比较

© [2025] [云飞扬]
原创内容，转载请注明出处

GPU 分区（GPU Partitioning，简称GPU-P）和GPU 半虚拟化（GPU Paravirtualization，简称GPU-PV）是Windows操作系统支持Hyper-V虚拟化组件支持的两种GPU虚拟化技术。两种技术都可以实现GPU的虚拟化和共享使用。但是两种技术的原理存在差异，使用上存在较大的差别。本文将比较分析一下两种技术的原理，适用场景，以及优缺点。

Hyper-V上GPU虚拟化技术的回顾

微软最早在Windows Server 2012中推出RemoteFX vGPU技术，可以实现软件模拟的vGPU。RemoteFX vGPU的性能比较低，并且存在安全隐患。在Windows Server 2022中，已经不再提供对RemoteFX vGPU的支持。Windows Server 2016提供了DDA（Discrete Device Assignment）技术，也就是GPU直通技术。DDA允许将一个物理GPU直通给一个虚拟机。之后微软规划了GPU-P的技术，可以实现基于SR-IOV的虚拟化，计划在Windows Server 2019中推出。但是由于技术障碍，以及GPU厂家配合问题，GPU-P并没有在Windows Server 2019中推出。甚至也没有在 Windows Server 2022中正式发布。期间微软在vGPU上做了两间事情，第一件是实现GPU半虚拟化（GPU Paravirtualization），该技术是在Windows 10/11桌面版本的Hyper-V平台上实现半虚拟化的vGPU，以实现在WSL2（Windows Subsystem for LinuxVersion 2）提供vGPU。以增强微软桌面操作系统对Linux运行环境的支持，以Linux的开发者和容器的使用者使用Windows桌面。另一件事情是微软在Azure和Azure Stack HCI，提供了对NVIDIA vGPU的支持。也就是说微软的Hyper-V有三条线，一条是桌面操作系统，主要提供半虚拟化特性，优先支持了WSL2。第二条是云服务产品的Azure Cloud/Azure Stack HCI，支持了NVIDIA的vGPU。第三条线是服务器产品线，GPU分区特性从原计划在Windows Server 2019发布，一直推迟到Server 2025才正式发布。

这里要说一下，很多玩家都知晓的GPU-PV的技术（Easy-GPU-PV脚本）。这个技术实质是GPU半虚拟化技术。我们知道，半虚拟化技术，是需要Guest OS进行修改，适配Host OS的设备接口。WSL2能够支持vGPU，是微软为Linux写了设备驱动，可以调用Host OS 提供的GPU驱动接口。同样的道理，Guest OS如果是Windows，如果更新一下驱动，也可以调用Host OS的GPU能力。这就是Easy-GPU-PV脚本所做的事情。这里面比较微妙的是，微软并没有官方宣布支持GPU半虚拟化，只是对外官宣了对WSL2的支持。但是Easy-GPU-PV的脚本已经传遍了海内外，为大量的vGPU玩家所熟知。

笔者很早就关注到了这项技术，大概了解一下背后的事情。GPU-PV的脚本大概在2020年由一个微软中国区的测试工程师在Youtube泄露的脚本。然后大量的玩家开始测试和完善这个脚本。这背后的实质是微软在windows 的设备驱动（WDDM 2.4）提供了对半虚拟化的支持。但是半虚拟化并不是真实显卡，应用程序并不只是通过WDDM调用GPU，还有其他接口调用GPU的能力。因此半虚拟化的vGPU无法做到应用的良好兼容。 尤其是一些专业级别的设计软件。比如专业的软件可能调用显卡的CUDA接口，调用显卡的编码、解码接口。如果切换成半虚拟化显卡。这些专业软件可能就出现不兼容的问题。 微软对这些专业设计软件厂家有没有影响力？我想这个影响力，远不如NVIDIA对这些专业软件厂家的影响力。如果微软正式发布Windows支持GPU-PV，那么将遭遇大量兼容性问题。于是微软采用了一个官方三缄其口，不谈对GPU-PV的支持。民间大量爱好者，对GPU-PV做了大量的试用和测试。期间微软的半虚拟化技术也逐渐完善，相关的软件厂家，也逐步加强了对GPU-PV的支持。经过5年的过渡，我们终于可以看到微软官方文档中对于GPU半虚拟化的描述。

到目前，GPU分区和GPU半虚拟化都比较正式，2025年4月，NVIDA vGPU 18.0也官宣了对Windows Server 2025的GPU分区技术的支持。GPU分区跳过了对老旧的媒介模式的vGPU的支持，直接以SR-IOV的方式支持NVIDIA的vGPU技术。业界的OS巨头和GPU巨头，终于官宣了一个双方认可的vGPU方案，以迎接IT进入AI的时代。

GPU 分区（GPU Partitioning）

GPU-P（GPU Partitioning） 是微软在 Windows 虚拟化平台（如 Hyper-V）中引入的 GPU 资源分配技术，属于 Discrete Device Assignment (DDA) 的扩展功能。其核心目标是将单个物理 GPU 的计算和显存资源动态划分为多个虚拟 GPU（vGPU），允许多个虚拟机（VM）共享同一块物理 GPU，同时保持接近原生的图形性能。

Windows Server 2025版本支持GPU分区特性。NVIDIA在2025年3月发布的NVIDIA vGPU 18.0支持 Microsoft Windows Server 2025，用户能够利用 GPU 分区和跨分布式环境实时迁移等高级管理功能。 借助这些功能，用户可以高效管理多个工作负载、进行硬件维护和升级软件，而无需中断虚拟机。

支持GPU分区的NVIDIA显卡型号有：NVIDIA A2、NVIDIA A10、NVIDIA A16、NVIDIA A40、NVIDIA L2、NVIDIA L4、NVIDIA L40、NVIDIA L40S

GPU分区是基于SR-IOV技术架构实现的vGPU技术。实现SR-IOV需要几个部分的配合：1、GPU硬件本身支持SR-IOV，从Ampere架构的GPU开始，支持SR-IOV。2、Host支持对SR-IOV设备的管理，这部分体现在Windows 2025的GPU分区技术，以及NVIDIA针对GPU分区技术开发的Host上的GPU驱动。3、Guest OS上的显卡驱动。这部分由显卡厂家提供。

在资源管理方面，基于SR-IOV技术，每个vGPU的显存可以实现预分配和独享使用。vGPU的算力，可以按照不同的策略进行调度，比如均匀等分，或者尽力而为。比如一个GPU划分成N个vGPU，每个vGPU分配N分之一的显存。可以有N分之一的保底算力，最大可以用到全部算力。这方面可以参考NVIDIA vGPU的相关文档。

采用GPU分区实现vGPU有几个优势：1、良好的性能，每个虚拟显卡（VF：Virtual Function）都有独立的PCI通信地址，虚拟机的GPU驱动可以通过IOMMU机制高效的与GPU硬件通信。

2、良好的安全隔离。每个虚拟机之间对应不同的VF。有独立的地址空间和内存空间。安全性好。

3、封装和解耦。GuestOS和Host OS之间没有依赖。可以支持多种Guest OS。Guest OS和Host OS可以独立的升级，不会相互影响。

4、使用GPU分区技术，可以得到微软和显卡厂家的官方技术支持。

GPU 半虚拟化（GPU Paravirtualization）

GPU-PV（GPU Paravirtualization）是半虚拟化技术。其技术架构如下：

为了实现半虚拟化，修改了Dxkrnl.sys，并新增了VRD这个虚拟设备驱动。并且还需要硬件厂家提供UMD驱动。在半虚拟化架构下，要求Host OS和Guest OS采用相同的 WDDM版本和相同的硬件驱动（IHV UMD）。我们可以看到 Easy-GPU-PV的脚本中，需要在Guest OS中注入Host OS中的硬件驱动。这样实现驱动版本的统一。在GPU-PV的使用建议中，一般建议Host OS 和 Guest OS使用相同的版本。

从上述技术架构上可以看出：

1、资源实际上是在Host OS中统一管理和集中使用的。如果Host OS的驱动错误，会导致Host OS奔溃。

2、多个虚拟机之间的资源占用，是依靠Host OS的驱动来协调的。 每个Guest OS相当于Host 的一个图形应用。Host OS能够在多大的粒度上对不同Guest的资源进行隔离，存在问题。如果是托管环境，很可能会导致Host OS被攻击。

3、Host OS 和 Guest OS 存在耦合性。需要确保Host OS和Guest OS 的版本相互兼容，并且驱动的版本保持一致。

总体上看GPU半虚拟化不适合生产环境。

1、没有官方的软硬件和应用兼容性列表。

2、在一些情况下，可能出现主机和客户机同时奔溃。

3、Hyper-V Manager中，并没有包含GPU-PV的支持。也证明该特性处于实验阶段。

4、使用GPU半虚拟化，您无法得到微软或者显卡厂家的官方支持。只能在在线社区中寻找解决方案。

5、主机和客户机，无法做到完全解耦。 升级主机操作系统可能会导致客户机不兼容。升级主机的驱动，会导致客户机的驱动需要同步更新。

6、在虚拟化层面，缺少热迁移的支持。

技术比较和应用建议

我们从硬件要求、资源管理、兼容性、技术支持、稳定性、成本几个方面进行分析和比较。

硬件要求

GPU-P：要求支持SR-IOV的NVIDIA 显卡。并且需要NVIDIA vGPU的软件。GPU-PV：消费级显卡即可。适用于所有显卡。

资源管理

GPU-P：资源在硬件层面切割。对GPU的显存进行分割后分配个虚拟。GPU的算力资源可以按照不同策略进行切割，包括固定共享、尽力而为的策略。参见下图，在尽力而为的策略下，GPU如果分配4个VM，每个VM可以保障25%的算力，可以最大使用全部的GPU算力。

GPU-PV：在软件层面进行资源的调度。可以预设最低和最大资源配额。虚拟机直接可能存在较大的资源争用。比如一个虚拟机用户进行GPU的压力测试，会极大影响其他虚拟机的用户体验。

兼容性

GPU-P：对虚拟化系统、显卡硬件、专业设计软件，都有良好的兼容性。专业的设计软件一般都会主流显卡厂家进行兼容性测试，并给出软件的硬件兼容性列表。

GPU-PV：无法得到微软、显卡厂家和专业设计软件的官方支持。可以在在线社区中得到一些用户的支持。

稳定性

GPU-P：良好的稳定性。适合于生产环境，云服务的托管环境。

GPU-PV：稳定性差，使用某些版本的驱动可能会导致主机和客户机都崩溃。

技术支持

GPU-P：可以得到各方厂家的支持。包括虚拟化厂家（微软）、显卡厂家、以及应用厂家。专业的设计软件推荐的运行环境包括了NVIDIA vGPU的运行环境。

GPU-PV：微软只是在Windows桌面操作系统上官宣了对WSL2的支持。GPU-PV上运行Windows桌面，以及在Windows Server上启用GPU-PV，都没有微软得到微软的官宣。处于实验状态。显卡厂家、应用厂家（专业设计软件）也没有官方的支持。

成本

GPU-P：需要专业的支持SR-IOV的专业GPU。硬件成本高。还涉及到NVIDIA vGPU授权。也是一笔不菲的费用。

GPU-PV：不需要专业卡。也不需要NVIDIA vGPU授权。成本低。

应用建议

GPU-P：适用于生产环境，云服务的多租户托管环境。用户之间有严格的安全隔离和QoS保障。

GPU-PV：适用于开发和测试，小规模的家庭用户。由于缺少支持，稳定性差，耦合性强，不适合生产环境，多租户环境。

朵拉云作为一款支持多平台的桌面虚拟化系统，已经支持GPU分区技术，可以用于生产环境的部署。由于Hyper-V平台上的GPU半虚拟化技术目前还处于未官宣的实验状态，朵拉云桌面虚拟化系统也不提供对GPU-PV技术的官方支持。如果对GPU-PV有兴趣的用户，同样可以对DoraCloud创建的虚拟机启用GPU-PV的相关脚本，从而启用GPU-PV的功能。